Fatal编程技术网
  • machine-learning/
  • Machine learning 感知器学习-权重更新中的输入直觉

Machine learning 感知器学习-权重更新中的输入直觉

machine-learning neural-network

Machine learning 感知器学习-权重更新中的输入直觉,machine-learning,neural-network,perceptron,Machine Learning,Neural Network,Perceptron,我一直在努力教自己如何创建感知机，而且我大部分都很好地遵循了这一点。到目前为止，我遇到的唯一问题是理解在感知机的权重更新中，输入背后的直觉是什么： 权重变化=学习率*错误*输入 我一直在关注，但它并没有解释它的存在，这本书《Java神经网络编程》也没有解释。我相信理由很简单，但我想不出来。谢谢你的帮助，谢谢 编辑：我的初步解释是，重量输入用于产品中，因为它决定了它对整个感知机的重要性，与其他输入相比，它与输入的“重要性”无关，但在某种程度上可以这样解释。它直接从函数的梯度分析得出。区分你的成本函

我一直在努力教自己如何创建感知机，而且我大部分都很好地遵循了这一点。到目前为止，我遇到的唯一问题是理解在感知机的权重更新中，输入背后的直觉是什么：

权重变化=学习率*错误*输入

我一直在关注，但它并没有解释它的存在，这本书《Java神经网络编程》也没有解释。我相信理由很简单，但我想不出来。谢谢你的帮助，谢谢

编辑：我的初步解释是，重量输入用于产品中，因为它决定了它对整个感知机的重要性，与其他输入相比，它与输入的“重要性”无关，但在某种程度上可以这样解释。它直接从函数的梯度分析得出。区分你的成本函数，你将得到作为导数一部分的输入信号。为什么在那里？因为导数取决于它，主要取决于方向（因此-输入符号）。

谢谢你的回答！那么这是成本函数导数的直接结果吗？