人工神经网络是一种计算模型，可近似输入与输出之间的映射。它受到人脑结构的启发，因为它同样由相互连接的神经元网络组成，这些神经元在接收来自相邻神经元的刺激集时会传播信息。训练神经网络涉及一个 […]
标签档案 | 偏导数
微积分链式法则 – 更多函数
链式法则是一个重要的导数法则，它允许我们处理复合函数。它对于理解反向传播算法的工作原理至关重要，该算法广泛应用链式法则来计算损失函数相对于神经网络每个权重的误差梯度。我们将 […]
单变量和多变量函数的链式法则
链式法则允许我们找到复合函数的导数。反向传播算法对其进行广泛计算，以训练前馈神经网络。通过以高效的方式应用链式法则并遵循特定的运算顺序，反向传播算法计算损失函数相对于 […]的误差梯度。
雅可比矩阵简明介绍
在文献中，术语 Jacobian 经常可以互换地指代 Jacobian 矩阵或其行列式。矩阵和行列式都有有用且重要的应用：在机器学习中，Jacobian 矩阵聚合了反向传播所需的偏导数；行列式在改变 […]的过程中很有用。
偏导数和梯度向量简明入门
偏导数和梯度向量在机器学习算法中用于寻找函数的最小值或最大值。梯度向量用于神经网络、逻辑回归以及许多其他分类和回归问题的训练。在本教程中，您将了解偏导数和梯度向量。完成后 […]
多元微积分简明介绍
研究依赖于多个变量的函数通常是可取的。多元微积分通过将微积分中的概念（例如变化率的计算）扩展到多个变量，为我们提供了进行此操作的工具。它在训练神经网络的过程中起着至关重要的作用 […]