李宏毅机器学习-课件_8-BP.pdfVIP

下载本文档

5
0
约1.26万字
约 19页
2023-10-24 发布于北京
举报
版权申诉

李宏毅机器学习-课件_8-BP.pdf

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

概述：本文主要介绍了李宏毅机器学习-课件中的重要概念以及实现方法。关键词：CálculodeGradients,Backpropagation,Gravidade,networks,NeuralNetworks,MachineLearning.总结：-在介绍网络参数（w,w,b,b）和梯度方向（γ,γ,β,β）后，介绍了计算过程和链规则。-结论指出，使用反向传播算法进行损失函数的学习有助于减少损失函数在所有输入上的值，从而提高模

Backpropagation Gradient Descent Network parameters  w , w , ,b ,b ,  1 2 1 2 Starting 0 1 2    …… Parameters   L  0 1 0 0       L  Compute L    L  w1    1 2 1 1       L    Compute L  L  w  2         Millions of parameters …… L  b  1    L  b2  To compute the gradients efficiently,    we use backpropagation.   Chain Rule Case 1   y g x   z h y dz dz dy x y z dx dy dx Case 2     z k x , y   y h s x g s x s z dz z dx  z dy ds x ds y ds y NN