Byer

最近学习了反向传播算法，在此记录一下实验过程。 理论 什么是反向传播 反向传播的“反向”与神经网络前向传播相对应，前向传播是从输入层到输出层的过程，反向传播是从输出层到输入层的过程。 我们知道，神经网络前向传播是将 输入(input layer) 通过一系列的 加权求和(z=wx+b) 和 非线性变换(激活函数) 得到 输出(output layer) ，而这个过程中的 权重(weight) 和 偏置(biase) 是需要通过学习得来的。在最初的阶段，这两个参数都只是随机的初始化值，而通过利用 训练集标签(label) 与 用初始值预测的结果 之间的 差异(Loss) ，调整 权重和偏置，使其未来预测的正确率变得更高 的过程，便被称为反向传播，这也是反向传播的意义所在。 反向传播的数学原理 反向传播算法以微积分中的链式法则为基础，其核心在于计算损失函数关于各权重和偏置的梯度，进而更新这些参数，使神经网络的预测更接近真实值。 假设我们有一个多层神经网络，其损失函数为 LLL，用于衡量网络预测值与真实标签的差异。第 lll 层的权重矩阵记为 WlW^{l}Wl，偏置向量记为...

该文章主要汇集hexo操作指南及相关说明文档 创建新文章并发布 创建新的帖子 1$ hexo new "My New Post" More info: Writing 本地查看 1$ hexo server More info: Server 提交，类似于git add . 1$ hexo generate More info: Generating 部署，类似于git commit 1$ hexo deploy More info: Deployment Hexo官方说明文档: https://hexo.io/zh-cn/docs butterfly博客网站: https://butterfly.js.org

First Try 第一次尝试建立博客，感觉还算简单的，买个域名，套个vercel的服务器就能用。 反正是在vscode本地编辑的，还可以上传到github上，应该不用担心数据备份问题，大不了用U盘拷一下。 这种个人博客，说实话也就我自己会看，真的会有其他人访问吗？ 后续计划 目前正在学习CS的专业课，包括机器学习、计网、操作系统啥的，或许我会发一些机器学习相关的学习笔记，以及一些项目、科研的记录。 下面是博客的初始页面，截个图记录一下： 第一次尝试，还挺有意思的，希望能坚持下去。