Machine learning 为什么'；如果我们计算NN'，则不起作用；像目标输出那样的错误？

我有一个神经网络，其中我计算输出层的增量，如下所示：

delta_L=输出（i）-L；

而且效果很好。但如果我将其更改为：

delta_L = L - Output(i);

那就不行了。（尽管Andrew Ng的课程推荐第二个）

---

为什么？

让我们有一个带有两个隐藏层的三层nn，带有标准符号。nn如下所示：

将成本函数作为训练数据集上的平方损失之和（或平均值）（对于回归，具有连续值输出）

使用反向传播表达式：

---

如您所见，

delta_L

在您的符号中是

output[i]-L

，假设

L=y

是输出变量的实际值，

a=output[i]

是nn预测，此表达式与Andrew Ng课程中的表达式匹配，请参阅文章以了解更多详细信息。对于分类/交叉熵损失，我们也可以给出同样的结果。

如果您至少能给我们提供您的信息来源，并使用更好的表示法，那将是最好的选择，L是什么？你对什么感兴趣？关于某些权重的错误，如“增量规则”中的增量，或目标值和输出之间的差异？我说错了，请原谅。所以，L是输出层。