在简单的单层网络中，很容易计算神经元的目标输出，因为它们与网络本身的目标输出相同。但是，在多层网络中，我不太确定如何计算隐藏层中每个单独神经元的目标，因为它们不一定与最终输出有直接联系，并且很可能在训练中没有给出数据。如何找到这些值？
如果我遗漏了什么并且错误地处理这个问题，我不会感到惊讶，但我仍然想知道。提前感谢您的任何和所有输入。
取自pg 上的这个伟大指南。18：
- 计算隐藏层神经元的误差。与输出层不同，我们不能直接计算这些（因为我们没有目标），所以我们从输出层反向传播它们（因此得名算法）。这是通过从输出神经元中获取错误并通过权重运行它们以获取隐藏层错误来完成的。
或者换句话说，你没有。您将激活从输入传播到输出，计算输出的误差，然后将误差从输出反向传播回输入（因此称为算法的名称）。
不幸的是，我发布的链接失效了，可以通过谷歌搜索“反向传播算法3”找到。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句