Machine learning 神经网络-更新权矩阵-反向传播算法 在安得烈教授的帮助下，我正在实施神经网络。 ，使用图31算法
我想我很好地理解了正向传播和反向传播，但混淆了每次迭代后更新权重θ 问题1。何时以及如何更新权重θ矩阵-θ1，θ2 问题2。大三角洲是干什么的？[已解决，谢谢@xhudik]Machine learning 神经网络-更新权矩阵-反向传播算法 在安得烈教授的帮助下，我正在实施神经网络。 ，使用图31算法,machine-learning,neural-network,Machine Learning,Neural Network,我想我很好地理解了正向传播和反向传播，但混淆了每次迭代后更新权重θ 问题1。何时以及如何更新权重θ矩阵-θ1，θ2 问题2。大三角洲是干什么的？[已解决，谢谢@xhudik] 第三季度。我们必须在输入层和隐藏层中添加+1偏差单位吗？Q1:由@nikie Kudos解释 安得烈NG的演讲很棒。然而，您所指的是一个高层次的项目，并且希望了解详细信息。关于这一点：它通过有用的图形为您提供了更多的细节Q1:由@nikie Kudos解释 安得烈NG的演讲很棒。然而，您所指的是一个高层次的项目，并且希望了
第三季度。我们必须在输入层和隐藏层中添加+1偏差单位吗？Q1:由@nikie Kudos解释
安得烈NG的演讲很棒。然而，您所指的是一个高层次的项目，并且希望了解详细信息。关于这一点：它通过有用的图形为您提供了更多的细节Q1:由@nikie Kudos解释
安得烈NG的演讲很棒。然而，您所指的是一个高层次的项目，并且希望了解详细信息。关于这一点：它通过有用的图形为您提供了更多的细节伪代码下面直接解释了capital delta的含义：它是权重更新的累加器；使用相同的旧权重矩阵对所有训练样本进行前向传播。然后更新权重矩阵。我想这叫做批量学习。@nikie你能详细说明一下，权重矩阵是如何更新的吗？我找不到这方面的任何东西，或者可能是我遗漏了一些东西如果你使用梯度下降法，你只需将梯度乘以一些学习率添加到权重中。我使用的是反向预测算法，所以它就像-w l层的权重矩阵=w+该层的学习率*Deltao*x输入向量？我真的很困惑。。。也许这是个愚蠢的问题，但仍然如此@CODEMUNCHER，我不擅长神经网络，但你的方程是正确的，然而，如何证明它的最佳方式是实现一些算法并将结果与一些已经工作的神经网络进行比较。例如，在Andrew Ng教授的CurSera. Org的课程机器学习中的一些任务——祝你好运！capital delta的含义直接在伪代码下面解释：它是权重更新的累加器；使用相同的旧权重矩阵对所有训练样本进行前向传播。然后更新权重矩阵。我想这叫做批量学习。@nikie你能详细说明一下，权重矩阵是如何更新的吗？我找不到这方面的任何东西，或者可能是我遗漏了一些东西如果你使用梯度下降法，你只需将梯度乘以一些学习率添加到权重中。我使用的是反向预测算法，所以它就像-w l层的权重矩阵=w+该层的学习率*Deltao*x输入向量？我真的很困惑。。。也许这是个愚蠢的问题，但仍然如此@CODEMUNCHER，我不擅长神经网络，但你的方程是正确的，然而，如何证明它的最佳方式是实现一些算法并将结果与一些已经工作的神经网络进行比较。例如，在Andrew Ng教授的CurSera. Org的课程机器学习中的一些任务——祝你好运！嘿@xhudik，这很好，但我还没有完成Q1！我真的不明白更新规则…wights是在传递数据的过程中更新的。每次传递都会更新权重。如何-这是解释在文章中。不幸的是，它不是不言自明的，需要时间才能完全理解……嘿@xhudik，这很好，但我仍然没有完成Q1！我真的不明白更新规则…wights是在传递数据的过程中更新的。每次传递都会更新权重。如何-这是解释在文章中。不幸的是，它不是不言自明的，需要时间才能完全理解。。。