人工智能与信息社会课件：506反向传播.pdfVIP

人工智能与信息社会 基于神经网络的智能系统I：反向传播 陈斌北京大学gischen@pku.edu.cn 反向传播 〉 通过多层神经网络得出的结果与实际标签的 结果作比较，得到了损失函数。 〉 根据梯度下降的方法，将当前的损失函数反 馈给之前各层的神经网络，并调整各层网络 参数的权值，这个过程称为反向传播。 北京大学地球与空间科学学院/ 陈斌/2018 结果比较 〉 对于数字2来说，未训练好的网络可能得到 如下的一个结果。 〉 我们不能直接调整输出的结果值，我们能改 的只有网络中的各个参数值。 北京大学地球与空间科学学院/ 陈斌/2018 结果比较 〉 对于这个结果，我们希望代表2的神经元的 值提高，而把其他的神经元值降低。 〉 提高和降低的程度和它现有的值成比例，提 高2的值就比降低8的值来的重要。 北京大学地球与空间科学学院/ 陈斌/2018 神经元的参数 〉 一个神经元的输入输出可以类比为一个多元 一次的线性方程。 〉 二元一次： = + +b 1 1 2 2 〉 可以通过调整w、x、b的值来调整y的值。 北京大学地球与空间科学学院/ 陈斌/2018 调整参数 〉 根据梯度大小不同，调整不同的参数对损失 函数影响不同。 梯度值：3.6 调整它的影响大 梯度值：0.1 调整它的影响小 北京大学地球与空间科学学院/ 陈斌/2018 调整系数w 〉 调整输出y的一个方法是调整系数w。 〉 前一层的神经元激活值越大，表示越有可能 “看到”某些与2相关的特征。 〉 调整激活值大的神经元的参数，影响比调整 激活值小的参数要大。 北京大学地球与空间科学学院/ 陈斌/2018 调整输入x 〉 调整输出y的另一个方法是调整输入x。 〉 增加原始参数w是正值的神经元的激活值， 减少原始参数w是负值的神经元的激活值， 增加和减少的程度与参数w大小相关。 北京大学地球与空间科学学院/ 陈斌/2018 调整输入x 〉 但我们无法直接改变每个神经元的激活值。 将每个输出需要改变的大小叠加之后，能够 得到总的改变量。 北京大学地球与空间科学学院/ 陈斌/2018 反向传播 〉 通过刚才的过程，我们实现了从最后一层到 倒数第二层的传播。 〉 这样不断层层传播回去，最后我们就能知道 该如何修改整个网络的参数。 北京大学地球与空间科学学院/ 陈斌/2018 训练结果 〉 从随机参数开始，经过梯度下降法和反向传 播训练，手写数字识别准确率从不到10%提 高到了93% 北京大学地球与空间科学学院/ 陈斌/2018