双层神经网络与逻辑回归正反向传播数学公式简要推导
2017-11-19 16:55
686 查看
逻辑回归正向传播和反向传播推导:
z=wTx+b(1)
a =σ(z)=11+e−z(2)
L(a,y)=−(ylog(a)+(1−y)log(1−a))(3)
da =∂L(a,y)∂a=−y1alne−(1−y)1(1−a)lne(−1)=−ya+1−y1−a(4)
∂a∂z =+(1+e−z)e−z=11+e−z·e−z1+e−z=1+e−z(1−11+e−z)=a(1−a)(5)
dz =∂L(a,y)∂z=∂L(a,y)∂a∂a∂z=(−ya+1−y1−a)a(1−a)=a−y(6)
dw =∂L(a,y)∂w=∂L(a,y)∂a∂a∂z∂z∂w=dz·x(7)
db =∂L(a,y)∂b=∂L(a,y)∂a∂a∂z∂z∂b=dz·1=dz(8)
双层神经网络正向传播和反向传播推导:
双层神经网络反向传播有部分和逻辑回归相似,可以直接使用其结论
dz[2]=a[2]−y(1)
dW[2]=dz[2]a[1]T(2)
db[2]=dz[2](3)
dz[1] =∂L(a,y)∂z[1]=∂L(a,y)∂a⋅∂a∂z=da⋅g[1]′(z[1])=W[2]dz[2]⋅g[1]′(z[1])(4)
dW[1]=dz[1]x[T](5)
db[1]=dz[1](6)
z=wTx+b(1)
a =σ(z)=11+e−z(2)
L(a,y)=−(ylog(a)+(1−y)log(1−a))(3)
da =∂L(a,y)∂a=−y1alne−(1−y)1(1−a)lne(−1)=−ya+1−y1−a(4)
∂a∂z =+(1+e−z)e−z=11+e−z·e−z1+e−z=1+e−z(1−11+e−z)=a(1−a)(5)
dz =∂L(a,y)∂z=∂L(a,y)∂a∂a∂z=(−ya+1−y1−a)a(1−a)=a−y(6)
dw =∂L(a,y)∂w=∂L(a,y)∂a∂a∂z∂z∂w=dz·x(7)
db =∂L(a,y)∂b=∂L(a,y)∂a∂a∂z∂z∂b=dz·1=dz(8)
双层神经网络正向传播和反向传播推导:
双层神经网络反向传播有部分和逻辑回归相似,可以直接使用其结论
dz[2]=a[2]−y(1)
dW[2]=dz[2]a[1]T(2)
db[2]=dz[2](3)
dz[1] =∂L(a,y)∂z[1]=∂L(a,y)∂a⋅∂a∂z=da⋅g[1]′(z[1])=W[2]dz[2]⋅g[1]′(z[1])(4)
dW[1]=dz[1]x[T](5)
db[1]=dz[1](6)
相关文章推荐
- 神经网络反向传播公式的推导
- 神经网络反向传播算法公式推导详解
- 神经网络前向后向传播公式推导
- 神经网络学习笔记-03-循环神经网络-反向传播计算公式的证明
- 神经网络基础和反向传播推导
- 神经网络中的反向传播的推导和python实现
- 【机器学习】反向传播神经网络推导
- 十七、逻辑回归公式的数学推导
- 全连接神经网络的前向和反向传播推导
- 神经网络反向传播(相关公式)
- 神经网络初探:反向传播公式的简易证明
- 神经网络中的矩阵求导及反向传播推导
- 机器学习:神经网络反向传播推导
- 神经网络前向反向公式推导及说明
- 神经网络正向传播与反向传播公式
- 神经网络反向传播梯度计算数学原理
- 神经网络反向传播的数学原理
- 神经网络反向传播的数学原理
- 神经网络中的反向传播法算法推导及matlab代码实现
- 神经网络反向传播的数学原理