反向传导算法
From Ufldl
| Line 1: | Line 1: | ||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
| - | |||
假设我们有一个固定样本集 <math>\textstyle \{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}</math>，它包含 <math>\textstyle m</math> 个样例。我们可以用批量梯度下降法来求解神经网络。具体来讲，对于单个样例 <math>\textstyle (x,y)</math>，其代价函数为： | 假设我们有一个固定样本集 <math>\textstyle \{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}</math>，它包含 <math>\textstyle m</math> 个样例。我们可以用批量梯度下降法来求解神经网络。具体来讲，对于单个样例 <math>\textstyle (x,y)</math>，其代价函数为： | ||
| Line 200: | Line 194: | ||
{{Sparse_Autoencoder}} | {{Sparse_Autoencoder}} | ||
| + | |||
| + | |||
| + | |||
| + | ==中文译者== | ||
| + | |||
| + | 王方（fangkey@gmail.com），林锋（xlfg@yeah.net），@JerryLead | ||
