卷积核运算子模块BP
2017-03-19 11:22:42 0 举报
登录查看完整内容
卷积核运算子模块BP是一种在深度学习中常用的反向传播算法。它的主要作用是通过计算输出误差并将其反向传播到输入层,以更新网络中的权重和偏置值。这个过程可以帮助网络更好地拟合训练数据,从而提高预测准确性。BP算法的核心思想是使用梯度下降法来最小化损失函数,通过不断迭代优化网络参数,使网络能够逐渐逼近目标函数的最小值。在实际应用中,BP算法通常与其他优化方法结合使用,如动量、自适应学习率等,以提高训练效率和泛化能力。总之,卷积核运算子模块BP是深度学习中不可或缺的一部分,它为神经网络的学习提供了强大的支持。
作者其他创作
大纲/内容
结束
开始
GL=leakyReLUGradient(C)
im?
i=0
输出formerSF
输入回传的敏感因子SF(m*c*1)
Gwf = Gwf/m
N
formerSF.append(formerSFtemp)
Y
Gwf += Gw
建立空列表formerSF = list()
w = w - trainRate*Gwf
SFtemp = GL .* SF
i=i+1
0 条评论
回复 删除
下一页