反向传播算法推导过程（非常详细）

原地址：https://zhuanlan.zhihu.com/p/79657669

1. 前向传播

假设  为  的矩阵（其中，  为样本个数（batch size），  为特征维数）:

 与  的维数为  为  的矩阵， 

 与  的维数为  为  的矩阵， 

 与  的维数为  为  的矩阵， 

前向算法：

假设输出为  维，则  为大小为  的矩阵，根据MSE或CE准则可以求得  ，对于回归问题与分类问题，  的求解方法如下：

• 对于回归问题，对out直接计算损失，损失函数为MSE。 损失： 

• 对于分类问题，out后接softmax进行分类，然后使用CE(cross entropy)计算loss.  一个样本对应的网络的输出  是一个概率分布，而这个样本的标注  一般为  ，也可以看做一个概率分布（硬分布）。cross entropy可以看成是  与  之间的KL距离：

• 假设  ，其中1为第  个元素(索引从0开始)，令  .

损失：  

KL距离（相对熵）：是Kullback-Leibler Divergence的简称，也叫相对熵(Relative Entropy).它衡量的是相同事件空间里的两个概率分布的差异情况。其物理意义是：在相同事件空间里，概率分布 P(x) 对应的每个事件，若用概率分布 Q(x) 编码时，平均每个基本事件(符号)编码长度增加了多少比特。我们用  表示KL距离，计算公式如下： ，当两个概率分布完全相同时，即 P(X)=Q(X) ,其相对熵为0.

2.反向传播

 ，为了便于详细说明反向传播算法，假设  为  的向量，  为  的向量： 

所以， 

1) 损失  对  的导数：

即， 

2) 损失对偏置b的导数等于将  的每一列加起来：

3) 损失  对  的导数：

即，

4) 损失  对  的导数：

•  为sigmoid时， 

•  为tanh时，  .

•  为relu时， 

3. 梯度更新

对于不同算法 ，梯度更新方式如下： 

反向传播算法推导过程（非常详细）

原文：https://www.cnblogs.com/aabbcc/p/14321276.html