正向傳播基礎(chǔ)_第1頁
正向傳播基礎(chǔ)_第2頁
正向傳播基礎(chǔ)_第3頁
正向傳播基礎(chǔ)_第4頁
正向傳播基礎(chǔ)_第5頁
已閱讀5頁，還剩4頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

正向傳播基礎(chǔ)主講：胡林01背景02正向傳播定義與過程目錄正向傳播背景知識1正向傳播背景知識一、神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（ConnectionModel），它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。下面展示的是一個最簡單的神經(jīng)網(wǎng)絡(luò)，只有兩層。正向傳播背景知識這里，我們先規(guī)定一下記號（Notation）：z是x和w、b線性運(yùn)算的結(jié)果，z=wx+b；a是z的激活值；下標(biāo)的1,2,3,4代表該層的第i個神經(jīng)元（unit）；上標(biāo)的[1],[2]等代表當(dāng)前是第幾層。y^代表模型的輸出，y才是真實(shí)值，也就是標(biāo)簽

在神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理過程中，從第一層不斷到第n層屬于數(shù)據(jù)的正向傳播，也稱前向傳播。前向傳播就是從input，經(jīng)過一層層的layer，不斷計(jì)算每一層的z和a，最后得到輸出y^的過程，計(jì)算出了y^，就可以根據(jù)它和真實(shí)值y的差別來計(jì)算損失（loss）正向傳播定義與過程2正向傳播定義與過程一、正向傳播定義

正向傳播(forward-propagation)是指對神經(jīng)網(wǎng)絡(luò)沿著從輸入層到輸出層的順序，依次計(jì)算并存儲模型的中間變量(包括輸出)。二、正向傳播過程

在邏輯回歸中包含正向傳播步驟，邏輯回歸的計(jì)算步驟為：其中計(jì)算z，然后a，最后損失函數(shù)L。正向傳播類似，計(jì)算z1，a1，再計(jì)算z2，a2，最后得到lossfunction。

從上圖可以看出，第二層的輸入值為第一層的輸出值。正向傳播的流程如上圖：先計(jì)算Z(1)，然后計(jì)算a(1)，然后計(jì)算Z(2)，然后計(jì)算a(2)，最后計(jì)算L(a(2),

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論