神经网络中的反向传播算法推导
引言
反向传播算法（Backpropagation）是目前用来训练人工神经网络最常用且最有效的算法。1986年, Hinton, 深度学习之父, 和他的合作者发表了论文，首次系统地描述了如何利用BP算法有训练神经网络。从这一年开始，BP在有监督的神经网络算法中占着核心地位。它描述了如何利用错误信息，从最后一层(输出层)开始到第一个隐层，逐步调整权值参数，达到学习的目的。话不多说，接下来就开始一个简单的网络，来推导反向传播算法中每层w和b的更新。
反向传播算法（Backpropagation）是目前用来训练人工神经网络最常用且最有效的算法。1986年, Hinton, 深度学习之父, 和他的合作者发表了论文，首次系统地描述了如何利用BP算法有训练神经网络。从这一年开始，BP在有监督的神经网络算法中占着核心地位。它描述了如何利用错误信息，从最后一层(输出层)开始到第一个隐层，逐步调整权值参数，达到学习的目的。话不多说，接下来就开始一个简单的网络，来推导反向传播算法中每层w和b的更新。