反向传播算法 from 吴恩达的机器学习

反向传播算法目的 最小化神经网络代价函数 表示： l：代表目前所计算的是第几层。 j：代表目前计算层中的激活单元的下标，也将是下一层的第个输入变量的下标。 i：代表下一层中误差单元的下标，是受到权重矩阵中第行影响的下一层中的误差单元的下标。 ：表示误差 ：误差矩阵 假设，即我们不做任何正则化处理时有 反向传播算法 1.获得训练集 2.对所有的 i j l初始化 3.对训练集数据i=1：m （1）设

>>阅读原文<<