反向傳播算法 from 吳恩達的機器學習

反向傳播算法目的 最小化神經網絡代價函數 表示： l：代表目前所計算的是第幾層。 j：代表目前計算層中的激活單元的下標，也將是下一層的第個輸入變量的下標。 i：代表下一層中誤差單元的下標，是受到權重矩陣中第行影響的下一層中的誤差單元的下標。 ：表示誤差 ：誤差矩陣 假設，即我們不做任何正則化處理時有 反向傳播算法 1.獲得訓練集 2.對所有的 i j l初始化 3.對訓練集數據i=1：m （1）設

>>阅读原文<<