我悟了！手推一遍终于把前向传播和反向传播搞懂了！

文章预览

大家好我是小墨，今这篇文章主要包括两个关键部分：前向传播和反向传播，能帮大家了解神经网络是如何“训练”和“学习”输入的数据中的模式。 架构 我们先快速回顾一下基本的神经网络结构： 基础双隐藏层多层感知器示意图 每个隐藏神经元都在执行以下过程： 每个神经元内部的处理过程示意图 输入： 这是我们数据的特征。 权重： 我们用来乘以输入的系数。算法的目标是找到最优的权重。 线性加权和： 将输入和权重的乘积相加，并加上一个偏置/偏移项b。 隐藏层： 这是存储多个神经元以学习数据模式的地方。上标表示层，下标表示该层中的神经元/感知器。 边/箭头： 这些是网络从相应输入（无论是特征还是隐藏层输出）到对应输出的权重。为了图形更清晰，我省略了它们。 ReLU激活函数： 这是最常用的激活函数，因为它计算效率高且 ………………………………