反向传播

前向传播算法 Forward propagation 与反向传播算法 Back propagation

先看看前向传播算法(Forwardpropagation)与反向传播算法(Backpropagation)。1.前向传播如图所示，这里讲得已经很清楚了，前向传播的思想比较简单。
仍然是提供的·2024-02-13 07:27

【深度学习】前向传播和反向传播（四）

文章目录前向传播反向传播总结写在最前面的话：今天要梳理的知识点是深度学习中的前/反向传播的计算，所需要的知识点涉及高等数学中的导数运算。在深度学习中，一个神经网络其实就是多个复合函数组成。
Florrie Zhu·2024-02-13 07:26

深度学习中的前向传播和反向传播

简单而言，前向传播就是将输入的数据在神经网络中进行处理和转换，并输出最后的结果，主要是输出w值，或者b,就是参数。反向传递就是计算每个参数的梯度，然后用于最小化损失函数。在深度学习中，"forward"通常指前向传播（forwardpropagation），也称为前馈传递。它是神经网络的一种基本运算，用于将输入数据在网络中进行处理和转换，最终得到输出结果。前向传播是一个通过神经网络从输入层顺序计算
处女座_三月·2024-02-13 07:56

【Python】基于动态残差学习的堆叠式LSTM模型和传统BP在股票预测中的应用

1.前言本论文探讨了长短时记忆网络（LSTM）和反向传播神经网络（BP）在股票价格预测中的应用。首先，我们介绍了LSTM和BP在时间序列预测中的基本原理和应用背景。
hiddenSharp429·2024-02-12 08:48

《动手学深度学习(PyTorch版)》笔记8.7

Chapter8RecurrentNeuralNetworks8.7BackpropagationThroughTime通过时间反向传播（backpr
南七澄江·2024-02-12 08:03

人工智能深度学习入门指南

1.了解深度学习基本概念在开始深度学习之前，你需要了解一些基本概念，如神经网络、激活函数、损失函数、反向传播等。这些概念是深度学习的基
白猫a~·2024-02-11 23:00

使用python-numpy实现一个简单神经网络

并初始化数据和激活函数初始化学习率和模型参数迭代更新模型参数（权重）小彩蛋前言这篇文章，小编带大家使用python-numpy实现一个简单的三层神经网络，不使用pytorch等深度学习框架，来理解一下神经网络的原理和观察一下它内部的一些操作如反向传播
橘柚jvyou·2024-02-10 19:26

深度学习视频详解

梯度下降，神经网络如何学习|深度学习什么是反向传播反向传播演算【订阅】机器学习AI玩游戏
大囚长·2024-02-10 14:50

torch.no_grad

no_gradrequires_grad=True要求计算梯度requires_grad=False不要求计算梯度withtorch.no_grad()或者@torch.no_grad()中的数据不需要计算梯度，也不会进行反向传播
He_Yu·2024-02-09 22:08

BP神经网络风速预测

BP（Backpropagation）神经网络，也称为反向传播神经网络，是一种非常重要的人工神经网络。
MATLAB代码顾问·2024-02-09 18:55

大模型学习 一

spm_id_from=333.337.search-card.all.clickGPU计算单元多并行计算能力强指数更重要A10080GV100A100海外100元/时单卡多卡并行：单机多卡模型并行有资源的浪费反向传播反向传播
wangqiaowq·2024-02-09 12:20

深度学习入门笔记（九）自编码器

自编码器是一个无监督的应用，它使用反向传播来更新参数，它最终的目标是让输出等于输入。数学上的表达为，f(x)=x，f为自编码器，x为输入数据。
zhanghui_cuc·2024-02-09 08:57

深度学习中常用激活函数介绍

反向传播算法的基础：激活函数是实现反向传播算法的基础，它允许误差
神奇的布欧·2024-02-08 23:32

神经网络-反向传播

写了一个两层网络的反向传播过程importnumpyasnpdefnum_output(num_input,w):netput=np.dot(w,num_input)output=1.0/(1.0+np.exp
morie_li·2024-02-08 20:23

PyTorch 的张量与 numpy对比

在本实现中，我们使用numpy手动实现前向传播，损失(loss)和反向传播。numpy数组是一种通用的n维数组；它跟深度学习，梯度或计算图没啥关系，只是执行通用数值计算的一种方法。
yanglamei1962·2024-02-08 16:01

【前沿技术杂谈：深度学习新纪元】探索人工智能领域的革命性进展

【前沿技术杂谈：深度学习新纪元】探索人工智能领域的革命性进展深度学习的进展深度学习的基本原理和算法深度学习的历史发展神经网络的基本构成神经元层次结构激活函数关键技术和算法反向传播算法卷积神经网络（CNN
jcfszxc·2024-02-08 02:48

06-20201012 感知机-1从感知机到神经网络

通过一系列资料学习，感知机最大的贡献还是提供了在链接主义的智能计算中的一种求解思路（智能计算的三大流派之一），加之后来的非线性激活函数与反向传播，渐渐发展到现在的深度学习。从概念上，感知机可以认为
野山羊骑士·2024-02-07 17:24

PyTorch自动微分模块torch.autograd的详细介绍

在深度学习中，自动微分对于有效地计算和更新模型参数至关重要，特别是在反向传播算法中用于计算损失函数相对于模型参数的梯度。
科学禅道·2024-02-07 10:05

深度学习基础--反向传播

Modelimage.png前向传播image.png反向传播求误差image.png求对J的影响image.pngimage.png求对J的影响image.pngimage.png误差反传image.pngimage.pngimage.png
掰不开桃子的男人·2024-02-07 09:13

基于BiLSTM-CRF模型的分词、词性标注、信息抽取任务的详解，侧重模型推导细化以及LAC分词实践

信息抽取任务的详解，侧重模型推导细化以及LAC分词实践1.GRU简介GRU（GateRecurrentUnit）门控循环单元，是[循环神经网络]（RNN）的变种种，与LSTM类似通过门控单元解决RNN中不能长期记忆和反向传播中的梯度等问题
汀、人工智能·2024-02-06 06:51

「深度学习」门控循环单元GRU

解决方法：GRU或LSTM梯度爆炸：反向传播时，随着层数增多，梯度不仅可能指数型下降，还有可能指数型上升——会导致参数过大，网络崩溃解决方法：梯度修剪——观察梯度向量，若大于某个阈值，则放缩梯度向量，保证其不会过大二
Sternstunden·2024-02-06 06:41

深度学习入门笔记（五）前馈网络与反向传播

5.2反向传播在实际工作中这部分的内
zhanghui_cuc·2024-02-06 01:25

Pytorch机器学习——3 神经网络（五）

outline神经元与神经网络激活函数前向算法损失函数反向传播算法数据的准备PyTorch实例：单层神经网络实现3.3前向算法当我们使用前馈神经网络接受输入x并产生输出时，信息通过网络向前流动。
辘轳鹿鹿·2024-02-05 08:45

《深度学习入门》学习笔记

原书：《深度学习入门：基于Python的理论与实现》文章目录前言第一章python入门列表字典类numpy广播第二章感知机第三章神经网络激活函数第四章神经网络的学习损失函数求梯度第五章误差反向传播法第六章与学习相关的技巧
YY_oot·2024-02-05 05:55

AIGC面经大全（持续更新）

训练：使用反向传播算法更新模型参
研三小学渣·2024-02-05 03:04

人工智能深度学习发展历程-纪年录

时间重大突破模型改进详细信息1847SGD随机梯度下降1995SVM支持向量机1982RNN循环神经网络，序列模型1986反向传播1997LSTM长短期时间记忆1998Lenet-5首次应用于手写识别2001
犟小孩·2024-02-03 19:37

pytorch的两个函数 .detach() .detach_() 的作用和区别

当我们再训练网络的时候可能希望保持一部分的网络参数不变，只对其中一部分的参数进行调整；或者值训练部分分支网络，并不让其梯度对主网络的梯度造成影响，这时候我们就需要使用**detach()**函数来切断一些分支的反向传播
Alexa2077·2024-02-03 16:28

机器学习原理

神经网络负梯度方向反向传播局部最小就是全局最小svm支持向量机/核函数降维/对偶利于核函数/软间隔正则化去掉噪声，提升鲁棒性决策树信息增益，熵/剪枝/随机森林随机选取n个数据得到m棵cart树进行bagging
ixtgtg·2024-02-03 07:51

PyTorch中tensor.backward()函数的详细介绍

backward()函数是PyTorch框架中自动求梯度功能的一部分，它负责执行反向传播算法以计算模型参数的梯度。
科学禅道·2024-02-03 07:35

神经网络是模型还是算法,神经网络模型数据处理

20世纪50年代末，Rosenblatt提出了感知器模型，1982年，Hopfiled引入了能量函数的概念提出了神经网络的一种数学模型，1986年，Rumelhart及LeCun等学者提出了多层感知器的反向传播算法等
阳阳2013哈哈·2024-02-03 02:43

反向传播的些许思考 2019-04-30

反向传播的些许思考1先看下面的关于概率计算的一个例子科技袁人视频先看问题：有A、B两位球员分别参加了大师赛和菜鸟赛，（这两个赛事无论从哪个看都是球员A更优秀，可是统计结果却显示球员B比球员A更优秀，这时为什么
段勇_bf97·2024-02-03 02:28

基于stm32F4卷积神经网络手写数字识别项目

加我微信hezkz17可以申请加入嵌入式人工智能技术研究开发交流答疑群，赠送企业嵌入式AI图像理解/音/视频项目核心开发资料1采用CNNBP反向传播算法更新权重系数2原理解析3实现策略训练与识别分离，先在电脑上训练好
周南音频科技教育学院(AI湖湘学派)·2024-02-03 01:35

Neural Networks and Deep Learning第2章读书笔记

2.3Hadamard（Schur）乘积,2.4反向传播背后的四个基本方程2.4.1问题2.5四个基本方程的证明2.5.1练习2.6反向传播算法2.6.1练习2.7代码2.7.1问题2.8在
山雾幻华·2024-02-02 03:40

深度学习的进展

（2）激活函数的作用与选择3、损失函数的定义和选择（1）什么是损失函数（2）损失函数的选择4、反向传播算法的原理和应用三、深度学习常用算法和模型a
ღ᭄陽先生꧔ꦿ᭄·2024-02-01 21:07

计算神经网络的反向传播过程

看书的时候看到这句：“x”节点的反向传播将正向传播时的输入值翻转，乘以上游传过来的导数后，再传给下游。
Luzichang·2024-02-01 20:22

BP图片降噪MATLAB代码

使用均方误差作为损失函数,通过误差反向传播算法训练网络的参数。降噪处理。使用受噪声
MATLAB代码顾问·2024-01-31 19:17

模型的收敛

在深度学习中，训练一个模型涉及到通过反向传播算法不断调整模型的权重，以最小化损失函数。模型的收敛取决于多个因素，包括学习率、数据质量、模型架构等。
幸运小新·2024-01-31 11:56

【2019-03-16】神经网络简单认识和应用

神经网络如何通过反向传播与梯度下降进行学习（1）初识神经网络加载Keras中的MNIST数据集fromkeras.datasetsimportmnist(train_images,train_labels
BigBigFlower·2024-01-31 04:02

深度学习 第3次作业 浅层神经网络

二层神经网络.png反向传播是将loss反向传播回去，本质是链式法则求导，然后更新权重参数。
S_Valley_DiDa·2024-01-30 21:54

Pytorch自动微分机制

神经网络通常依赖反向传播求梯度来更新网络参数，求梯度过程通常是一件非常复杂而容易出错的事情。而深度学习框架可以帮助我们自动地完成这种求梯度运算。
taoqick·2024-01-30 18:11

《20天吃透Pytorch》Pytorch自动微分机制学习

自动微分机制Pytorch一般通过反向传播backward方法实现这种求梯度计算。该方法求得的梯度将存在对应自变量张量的grad属性下。
瞳瞳瞳呀·2024-01-30 18:41

PyTorch自动微分机制的详细介绍

具体来说，当你在一个张量上调用.requires_grad=True时，PyTorch会开始跟踪该张量及其所有依赖项的操作历史，形成一个反向传播所需的计算图。然后通过调用.b
科学禅道·2024-01-30 18:10

深度学习技巧应用34-在多台服务器资源下数据并行分布式训练神经网络模型的应用技巧

每个处理器上的模型副本都独立地进行前向传播和反向传播，然后通过同步更新模
微学AI·2024-01-29 22:11

人工神经网络算法有哪些,人工神经网络算法优点

BP（BackPropagation）算法又称为误差反向传播算法，是人工神经网络中的一种监督式的学习算法。BP神经网络算法在理论上可以逼近任意函数，基本的结构由非
「已注销」·2024-01-29 10:28

【吴恩达-神经网络与深度学习】第3周：浅层神经网络

激活函数的导数神经网络的梯度下降法（选修）直观理解反向传播随机初始化神经网络概览右上角方括号[]里面的数字表示神经网络的层数可以把许多sigmoid单元堆叠起来形成一个神经网络：第
倏然希然_·2024-01-29 08:48

task1

线性回归反向传播算法什么叫反向传播，有没有直观理解？如何直观地解释backpropagation算法？
欧飞红·2024-01-28 21:37

《动手学深度学习(PyTorch版)》笔记4.7

Chapter4MultilayerPerceptron4.7Forward/BackwardPropagationandComputationalGraphs本节将通过一些基本的数学和计算图，深入探讨反向传播的细节
南七澄江·2024-01-28 08:00

DIFFERENTIABLE PROMPT MAKES PRE-TRAINED LANGUAGE MODELS BETTER FEW-SHOT LEARNERS

DifferentiAblepRompT(DART)，预训练的语言模型+反向传播对提示模板和目标标签进行差异优化可微提示（DART）模型的体系结构与MLM预训练和常规微调进行了比较，其中Ti和Yi是词汇表中未使用的或特殊的标记
Tsukinousag·2024-01-28 03:46

小土堆pytorch学习笔记005 | 完结，✿✿ヽ(°▽°)ノ✿

目录1、损失函数与反向传播2、如何在搭建的网络中使用损失函数呢？
柠檬不萌只是酸i·2024-01-28 00:22

深度学习之反向传播

反向传播英文叫做BackPropagation。
丘小羽·2024-01-27 14:50
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他