一步一步实例理解反向传播.pdfVIP

A Step by Step Backpropagation Example   一步一步实例理解反向传播   译序   由于人工智能在近年取得的巨大成功，在我的工作中需要涉及机器学习，以及人工智能的项目和产品需求越 来越多。而合作的同事们未必都有很好的数学和计算机基础，为了未来工作中更好地沟通，我找来了这篇非 常好的文章，它以一个简单真实的反馈神经网络的解算过程，帮助大家理解机器学习的基本原理与方法。 本来原文的英语就非常简洁，逻辑清晰，语义上并无翻译的必要。译文的意义在于记录我自己的一些体会， 以及提示一些计算机与应用数学方面的概念和技巧，以便其他专业的朋友易于理解。译文也对原文进行了一 些数学表述上的修改或说明，以便大家更容易地去除理解上的混乱。 本译文是作为一个开源项目发布在 GitHub 上的。你可以通过下面的命令来克隆这个项目：  $ git clone /vortune/actual­number­backpropagation.git 上面的源码库里面有 markdown 格式的本文文件以及英文原文源码，扩展名是 .md 。 建议大家使用 Typora 来查看与编辑 markdown 文件，同时也可以用它来将文档渲染成为其他格式，譬 如，pdf, html, word 等等。 原著 ：Matthew.H.Mazur 编译 ：罗峥嵘 Backpropagation is a common method for training a neural network. There is no shortage of papers online that  attempt to explain how backpropagation works, but few that include an example with actual numbers. This post is  my attempt to explain how it works with a concrete example that folks can compare their own calculations to in  order to ensure they understand backpropagation correctly. 反向传播是训练神经网络的一种常用的方法。网上并不缺乏说明反向传播的工作机制的文章，只是它们都缺乏包含 实际数值计算的例子。我的这个帖子就是希望以具体的范例，让大家可以从实际的计算中，正确理解反向传播算 法。 If this kind of thing interests you, you should sign up for my newsletter where I post about AI­related projects that  I’m working on. 如果你对这些有兴趣，你可以登录我的新闻组，那里有我发布的一些我正在做的人工智能相关的项目。 Backpropagation in Python   Python 语言实现的反向传播   You can play around with a Python script that I wrote that implements the backpropagation algorithm in this Github  repo. 你可以通过一个我在Github 源码库中的一个 Python 脚本程序来体会反向传播算法。 Backpropagation Visualization   可视化的反向传播