Andrew Ng在他的机器学习课程中讲述bp神经网络时，并没有深究这算法背后的推导过程，只是给了我们一个大体的执行步骤，实现了这个算法但却不知道这个算法背后的原理是件很痛苦的事。在看了知乎、csdn、简书后发现有很多人采用矩阵求偏导之类的推导步骤。诚然，这么干可以使公式变得很紧凑，在编程时也能有效减少代码行数，提高运行效率，但是矩阵形式的推导有两个小小的不足：
1. 矩阵、向量的求导、求偏导对于初学者而言比较难以理解；
2. 有的博主自己就没弄懂正确的矩阵求导法则和公式，导致他们的推导过程本身并不严密，仅仅是最后推出了bp的权重更新结果公式。
于是我在参考某篇知乎文章后，针对一个具体的神经网络结构对这里面的bp算法进行了一个详细的推导，希望能给出一个不仅适合初学者学习而且过程较为严密的推导。由于我水平有限，其中肯定有不少疏漏之处，不喜轻喷qwq…
标签：吴恩达,推导,公式,矩阵,神经网络,算法,BP,bp 来源： https://blog.csdn.net/qq_45717425/article/details/120772374
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。