其中Z是通过前向传播获得的Z值，delta是加权链接另一端的单位损失：
现在用我们在每一步获得的偏导数值，和批量梯度下降权重更新所有权重 。值得强调的是，输入节点（X0，X1和X2）的Z值分别等于1,0,0 。1是偏置单元的值，而0实际上是来自数据集的特征输入值 。最后要注意的是，没有特定的顺序来更新权重 。你可以按照你想要的任何顺序更新它们，只要你不会在同一次迭代中错误地更新任何权重两次 。
为了计算新的权重，让我们给出神经网络名称中的链接：
新的权重计算方法如下：
需要注意的是，模型还没有正确训练，因为我们只通过训练集中的一个样本进行反向传播 。我们为样本做了所有我们能做的一切，这可以产生一个具有更高精度的模型，试图接近每一步的最小损失/成本 。
如果没有正确的方法，机器学习背后的理论真的很难掌握 。其中一个例子就是反向传播，其效果在大多数现实世界的深度学习应用程序中都是可以预见的 。反向传播只是将总损耗传回神经网络的一种方式，以方便人们了解每个节点的损失量，并随后通过为节点提供更高误差，进而使用损失最小化的方式来更新权重，反之亦然 。
【什么事反向传播算法 反向传播算法过程】
推荐阅读
- 音乐剪辑软件有什么推荐 免费剪辑音乐的软件
- 虚拟现实仿真软件有什么 虚拟仿真软件推荐下载
- google关键词用什么工具 google关键词分析工具
- 整合网络营销是什么 网络营销的主要方式
- 格莉斯的旅程讲了一个什么故事 Gris背景故事介绍攻略
- 格莉斯的旅程游戏是什么颜色的 Gris游戏颜色介绍攻略
- 淘宝做图片用什么软件 在线快速制图软件推荐
- 关于时间管理的软件有什么 时间管理软件推荐下载
- 磁盘检测修复有什么 磁盘检测修复软件推荐下载
- 买电脑以旧换新最近有什么活动 2022最新活动