作业六：神经网络反向传播

【题目】

1. 下图为三层神经网络结构，表中为输入的4条样本数据，计算第2个训练样本的前向传播过程，网络参数的初始为:<span id="MathJax-Span-2" class="mrow"><span id="MathJax-Span-3" class="msubsup"><span id="MathJax-Span-4" class="mi">W<span id="MathJax-Span-5" class="mn">1<span class="MJX_Assistive_MathML">W1=[[0.1,0.2],[0.2,0.3]]，theta1=[0.3,0.3],<span class="MathJax_Preview"><span id="MathJax-Element-2-Frame" class="MathJax" data-mathml="<math xmlns=&quot;http://www.w3.org/1998/Math/MathML&quot;><msub><mi>W</mi><mn>2</mn></msub></math>"><span id="MathJax-Span-6" class="math"><span id="MathJax-Span-7" class="mrow"><span id="MathJax-Span-8" class="msubsup"><span id="MathJax-Span-9" class="mi">W<span id="MathJax-Span-10" class="mn">2<span class="MJX_Assistive_MathML">W2=[[0.4,0.5],[0.4,0.5]],theta2=[0.6,0.6]。

1. 根据上题中的神经网络结构和参数、数据，请计算反向传播过程中<span id="MathJax-Span-12" class="mrow"><span id="MathJax-Span-13" class="msubsup"><span id="MathJax-Span-14" class="mi">W<span id="MathJax-Span-15" class="texatom"><span id="MathJax-Span-16" class="mrow"><span id="MathJax-Span-17" class="mo">(<span id="MathJax-Span-18" class="mn">1<span id="MathJax-Span-19" class="mo">,<span id="MathJax-Span-20" class="mn">2<span id="MathJax-Span-21" class="mo">)<span id="MathJax-Span-22" class="mn">1<span class="MJX_Assistive_MathML">W1(1,2)的更新过程。

【要求】

1.激活函数使用sigmoid函数，损失函数使用均方差函数；

2.请大家在博客中直接完成或在作业本上完成后拍照上传。