myml

摘要： \(E_k = \frac{1}{2}\sum_j(\hat{y}_j-y_j)^2\) 首先找到每层参数到误差的传递关系, 然后\(-\eta\cdot导数\)得到变化量 导数用链式法则, 神经元的激活函数sigmoid函数用对率函数\(f(x) = \frac{1}{1+e^{-x}}\)时, 阅读全文

摘要： \(E_k = \frac{1}{2}\sum_j(\hat{y}_j-y_j)^2\) 首先找到每层参数到误差的传递关系, 然后\(-\eta\cdot导数\)得到变化量 导数用链式法则, 神经元的激活函数sigmoid函数用对率函数\(f(x) = \frac{1}{1+e^{-x}}\)时, 阅读全文