反向传播算法几个重要公式的详细推导

斯坦福大学《Machine Learning》第五周学习过程中，对反向传播算法的几个公式看得云里雾里的，这里做一个详细的推导和总结 公式一： 公式二： 公式三： 首先已知，这个是我们定义的，不用推导，但是为什么要这样定义呢？ 我们给神经元的加权输入添加一点改变，这就导致了神经元的输出变成了，而不是之前的。这个改变在后续的网络层中传播，最终使全部代价改变了。因此，可以用来衡量神经元里的错误量.  

>>阅读原文<<