- 综合排序
- 最热优先
- 最新优先
- 来自专栏LET
Radiative Backpropagation
Mitsuba 2’提供了可微分渲染的框架，上一篇介绍的论文‘Reparameterizing Discontinuous Integrands’针对边界性能差的问题，而这一篇论文‘Radiative Backpropagation
69521发布于 2021-02-03 - 来自专栏产品经理的人工智能学习库
反向传播算法（Backpropagation）
BP算法(即反向传播算法)是在有导师指导下，适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系：一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。这是BP算法得以应用的基础。
1.1K10发布于 2019-12-18 - 来自专栏红色石头的机器学习之路
详解 BackPropagation 反向传播算法！
首先介绍一下链式法则 假如我们要求z对x1的偏导数，那么势必得先求z对t1的偏导数，这就是链式法则，一环扣一环 BackPropagation（BP）正是基于链式法则的，接下来用简单的前向传播网络为例来解释
1.1K20编辑于 2022-01-10 - 来自专栏人工智能LeadAI
反向传播（backpropagation）算法 | 深度学习笔记
非常推荐的是How the backpropagation algorithm works （http://neuralnetworksanddeeplearning.com/chap2.html） 这么定义的原因，可以看How the backpropagation algorithm works（http://neuralnetworksanddeeplearning.com/chap2.html
1.7K100发布于 2018-03-08 - 来自专栏算法channel
反向传播( backpropagation )，可以这样直观理解！
提到神经网络，不会不说反向传播 ( backpropagation )，正是靠着 BP 才调整并找到了合适的节点间的权重参数，既然这么重要，再好好理解下 BP ，下面借鉴本课程中推荐的关于 BP 的阅读材料 perform the forward pass q = x + y # q becomes 3 f = q * z # f becomes -12# perform the backward pass (backpropagation 相关链接 [1] Derivatives, Backpropagation, and Vectorization http://cs231n.github.io/optimization-2/ 点击以下标题查看相关内容
1.2K10发布于 2018-07-25 - 来自专栏全栈程序员必看
反向传播算法(Backpropagation)—-Gradient Descent的推导过程
BP算法是适用于多层神经网络的一种算法，它是建立在梯度下降法的基础上的。本文着重推导怎样利用梯度下降法来minimise Loss Function。
83820编辑于 2022-06-29 - 来自专栏全栈程序员必看
深度学习笔记三：反向传播（backpropagation）算法
非常推荐的是How the backpropagation algorithm works 在最开始的博客中提过，这本书是这篇笔记用到的教材之一，这节反向传播也是以上面那个链接中的内容作为笔记的，因为反向传播部分写的很好 这么定义的原因，可以看How the backpropagation algorithm works这里恶魔的小故事，很有趣。我们使用 向量化，表示一层上面所有神经元的误差。
2.4K20编辑于 2022-08-23 - 来自专栏算法channel
BAT面试题49：推导下反向传播Backpropagation
神经网络每个神经元的连接关系，用符合如何表达呢？ 下面定义一种表达方式，如下图所示，含有一个隐含层的神经网络，图中标出的w的含义为：第三层的第2个神经元与第二层的第4个神经元间的权重参数。
2.8K30发布于 2019-03-07 - 来自专栏JAVA
数值稳定性：Fixing NaN Gradients during Backpropagation in TensorFlow
数值稳定性：Fixing NaN Gradients during Backpropagation in TensorFlow 摘要 大家好，我是默语，擅长全栈开发、运维和人工智能技术。
60710编辑于 2024-11-22 - 来自专栏深度学习入门与实践
一文弄懂神经网络中的反向传播法——BackPropagation
www.cedar.buffalo.edu/%7Esrihari/CSE574/Chap5/Chap5.3-BackProp.pdf 4.https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example
1.7K100发布于 2018-01-09 - 来自专栏机器学习、深度学习
一文弄懂神经网络中的反向传播法——BackPropagation
www.cedar.buffalo.edu/%7Esrihari/CSE574/Chap5/Chap5.3-BackProp.pdf 4.https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example
1.7K20发布于 2019-07-01 - 来自专栏desperate633
小白也能看懂的BP反向传播算法之Further into Backpropagation
本文相关代码可以从Backpropagation下载 在上一篇文章小白也能看懂的BP反向传播算法之Let's practice Backpropagation，我们计算了一个带sigmoid函数的嵌套网络的反向传播 Backpropagation 反向传播之前，我们先回顾一下，每一层的输出结果 激活函数层的输出结果 ? image.png 输出层的输出结果 ? image.png 权重矩阵 ? 本文相关代码可以从Backpropagation下载
1.3K10发布于 2018-08-23 - 来自专栏desperate633
小白也能看懂的BP反向传播算法之Surpass Backpropagation
本文相关代码可以从Backpropagation下载 上篇文章小白也能看懂的BP反向传播算法之Further into Backpropagation中，我们小试牛刀，将反向传播算法运用到了一个两层的神经网络结构中 Gradients are calculated using backpropagation. eta): """Update the network's weights and biases by applying gradient descent using backpropagation 希望能对读者理解神经网络的反向传播有一定的帮助 Further reading How the backpropagation algorithm works. A_Gentle_Introduction_to_Backpropagation. jasdeep06 本文相关代码可以从Backpropagation下载
1K20发布于 2018-08-23 - 来自专栏desperate633
小白也能看懂的BP反向传播算法之Towards-Backpropagation
本文相关代码可以从Backpropagation下载 想要理解backpropagation反向传播算法，就必须先理解微分！ 本文会以一个简单的神经元的例子来讲解backpropagation反向传播算法中的微分的概念。 ? 下一篇文章小白也能看懂的BP反向传播算法之Into-Backpropagation我会将这个利用微分更新变量的方法，应用到多个神经元的场景中，慢慢读者就会接触到真正的backpropagation反向传播算法 本文相关代码可以从Backpropagation下载
80010发布于 2018-08-23 - 来自专栏CreateAMind
任何人都能看懂的反向传播算法解释，展示每一步计算，A Step by Step Backpropagation Example
A Step by Step Backpropagation Example Background 背景介绍 Backpropagation is a common method for training There is no shortage of papers online that attempt to explain how backpropagation works, but few that Backpropagation in Python You can play around with a Python script that I wrote that implements the backpropagation After this first round of backpropagation, the total error is now down to 0.291027924. 原文链接： https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/ 本文由zdx3578推荐。
1.1K20发布于 2018-07-25 - 来自专栏Echo is learning
machine learning 之 Neural Network 2
目录： Neural network and classification Cost function Backpropagation （to minimize cost function） Backpropagation 有了cost function之后，我们就需要minimize cost function，使用的就是backpropagation算法计算出进行参数更新的值（类似于梯度下降的偏导数），也就是神经网络的损失函数的偏导数 ： 梯度计算： 首先进行forward propagation，计算出每一层的单元值（包括输出层的值）；（上一篇文章的内容） 进行backpropagation：（以前提中的神经网络为例） 设定$\ 如果数值计算的梯度和backpropagation算法计算的梯度是近似相等的话，就说明我们的backpropagation做对了，可以继续用backpropagation去计算梯度，训练模型 注意：在确定了 backpropagation做对了之后，应该停止gradient checking，因为这种数值计算梯度的方法是十分的computational expensive，如果不停止的话，模型训练的速度会相当的慢
55750发布于 2018-06-21 - 来自专栏量化投资与机器学习
卷积神经网络反向传播推导
It is assumed that the reader is familiar with terms such as Multilayer Perceptron, delta errors or backpropagation Nevertheless, when I wanted to get deeper insight in CNN, I could not find a “CNN backpropagation for Notoriously I met with statements like: “If you understand backpropagation in standard neural networks Same process as in MLP’s backpropagation. One more ingredient of backpropagation algorithm is update of weights : ?
1.2K100发布于 2018-01-30 - 来自专栏AutoML(自动机器学习)
Andrew Ng机器学习课程笔记--week5(上)
一、内容概要 Cost Function and Backpropagation Cost Function Backpropagation Algorithm Backpropagation Intuition Backpropagation in Practice Implementation Note：Unroll Parameters Gradient Checking Random Initialization Putting it Together Application of Neural Networks Autonomous Driving 二、重点&难点 1.Cost Function and Backpropagation 更加详细运算过程可以参考[一文弄懂神经网络中的反向传播法——BackPropagation],这篇文章详细的介绍了BP算法的每一步骤。 将上面的结果带入权值更新的表达式中便可顺利的执行BackPropagation啦~~~ 但是！！！需要注意的是上面式子中反复出现的 \(f '(z_i^{(l)})\) ，表示激活函数的导数。
80380发布于 2018-01-23 - 来自专栏量化投资与机器学习
七步理解深度学习
Step 3: Backpropagation and Gradient Descent An important part of neural networks, including modern Backpropagation for short (or even "backprop"), is paired with an optimization method which acts to minimize the weights that are subsequently distributed (via backpropagation), in order to minimize the loss function Next, have a look at this step by step example of backpropagation in action written by Matt Mazur. Moving on, read Jeremy Kun's informative blog post on coding backpropagation in Python.
63090发布于 2018-01-29 - 来自专栏专知
春节充电系列：李宏毅2017机器学习课程学习笔记07之反向传播（Back Propagation）
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的深度学习入门问题，这一节将主要针对backpropagation问题展开分析。 本文内容涉及机器学习中backpropagation的若干主要问题：链式法则，forward pass, backward pass以及summary。话不多说，让我们一起学习这些内容吧。 李宏毅机器学习笔记7 反向传播（Back Propagation） 在上一次笔记中我们讨论到在深度学习中，我们寻找好的参数得到我们想要的输出结果，得到参数的方法就是梯度下降方法，为了有效计算梯度，我们采用的是backpropagation 总结上述过程，我们可以先从输出层求得c对z的微分，然后利用backward pass推得的公式从后到前依次推理求解，这也是为什么这个方法叫做backpropagation的原因 ?
93270发布于 2018-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号