爱吧机器人网 » 技术 > 机器学习 > 正文

深度学习反向传播算法(BP)原理推导及代码实现

昨天,分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,便是利用反向传播(BP)算法求权重参数的梯度,偏置量的梯度。下面根据以下几个问题展开BP算法:
 
什么是BP算法?
为什么叫做反向传播?
如何构思BP算法的切入点?
误差是如何传播开的?
如何求出权重参数的梯度和偏置量的梯度?
链式规则是怎么一回事?
 
1、统一符号表达
 
神经网络每个神经元的连接关系,用符合如何表达呢? 下面定义一种表达方式,如下图所示,含有一个隐含层的神经网络,图中标出的w的含义为:第三层的第2个神经元与第二层的第4个神经元间的权重参数。

\
 
再看下,标红色箭头的神经元的偏移量 b,如图所示进行标记,第二层中第3个神经元的偏移量;标绿色箭头的神经元的输出 a 为如下图所示标记,为第三层中第一个神经元的输出。

\
 
第 L 层第 j 个神经元的输出等于,前1层即 L-1 层中所有神经元的带权的输入和,然后再映射到sigmoid激活函数中,得到如下公式所述:

\
 
一定要仔细理解这种上述公式的各个符号表达,它是理解以下对 BP 算法论述的前提。
 
2、BP算法推导
 
2.1 公式1
 
如下图所示,有个精灵跑到了网络中,假设位于第L层,第 j 个神经元的门口处,它引起了一点扰动,\
 
\
 
z的含义是加权输入项,容易得出这个扰动项对成本函数造成的损失可以定义为:
\
 
那么,类推的,可以看出在输出层 L, 误差项的定义表达为如下,第一个公式

\
 
上式是根据链式规则可以推导得出,成本函数的改变首先是有第L层第j个神经元的输出项影响的,然后第 j 个神经元的输出又受到第 L层第 j 个神经元的干扰 z 影响,因此得到上式。这个式子的意义是定义了第 L层第 j个神经元的误差项怎么求,注意这里L可是输出层哦,那么如何求出第 L-1层中某个神经元的损失项(误差项)呢?
 
2.2 公式2
 
这就用到第二个公式,它给出了怎么由第 L层的误差推导出第L-1层的误差,先给出第二个公式:

\
 
那么,这个公式,是如何得出的呢?这里面,这个公式是相对最难想的,推导过程如下:
还是从损失项的定义入手,

\
 
由以上这几个式子,就可以得出公式2 。
 
2.3 公式3
 
那么有了以上的分析,我们便能求解处任意层的损失项了,可以得出成本函数对某层某个神经元的梯度为,这是第三个公式:

\
 
还是可以由链式规则得出吧,如下推导过程:

\
 
2.4 公式4
 
成本函数对权重参数的梯度为,这是第四个公式:

\
 
那么这个公式还是可以由链式规则得出,对其推导如下:

\
 
推导第三,四个公式,都用到了以下这个基本知识:

\
 
2.5 反向传播代码
 
根据这四个公式,可以得出BP算法的代码,每个步骤将公式放到上面,方便查看。
 
def backprop(self, x, y):
 
01 占位
 
        nabla_b = [np.zeros(b.shape) for b in self.biases]
 
        nabla_w = [np.zeros(w.shape) for w in self.weights]
 
02  前向传播求出每个神经元的输出项
 
        activation = x
 
        activations = [x] # 分层存储每层的输出项(对应上文中的 a)
 
        zs = [] # 分层存储每层的 z 向量(对应上文中的 z)
 
        for b, w in zip(self.biases, self.weights):
 
            z = np.dot(w, activation)+b
 
            zs.append(z)
 
            activation = sigmoid(z)
 
            activations.append(activation)       
 
            \#activations[-1] 必须是最后一层
 
        delta = self.cost_derivative(activations[-1], y) * sigmoid_prime(zs[-1])
 
  03 求偏置量的梯度 

\
 
        nabla_b[-1] = delta
 
  04 求权重参数的梯度        

\
 
        nabla_w[-1] = np.dot(delta, activations[-2].transpose())
 
  05 反向传播,依次更新每层的每个神经元的权重和偏移量 
 
        # L = 1 表示最后一层神经元, L = 2 倒数第二层神经元
 
        for layer in range(2, self.num_layers):
 
            z = zs[-layer]
 
            sp = sigmoid_prime(z) #sigmoid函数的导数

\
 
            delta = np.dot(self.weights[-layer+1].transpose(), delta) * sp
 
            nabla_b[-layer] = delta
 
            nabla_w[-layer] = np.dot(delta, activations[-layer-1].transpose())
 
        return (nabla_b, nabla_w)
 
 def cost_derivative(self, output_activations, y):
\
 
        return (output_activations-y)
 
以上就是BP算法的详细推导过程。



上一篇:【NIPS最佳论文出炉】冷扑大师能战胜AlphaZero吗?No(Science论文)
下一篇:顶级AI会议NIPS压轴2017(附PPT、视频、代码大汇总)
精选推荐
英伟达用联合学习创建医学影像AI 可共享数据和保护隐私
英伟达用联合学习创建医学影像AI 可共享数据和保护隐私

[2019-10-14]  英伟达(Nvidia)和伦敦国王学院(King’s College London)的人工智能研究人员利用联合学习训练了一种用于脑肿瘤分类的神经网络, ...

研究人员融合人类与AI的创造力 显著提高了深度学习的表现
研究人员融合人类与AI的创造力 显著提高了深度学习的表现

[2019-10-12]  由加拿大人工智能领域研究主席、滑铁卢大学系统设计工程教授Alexander Wong领导的一个团队开发了一种新型紧凑型神经网络家族,可以在智能 ...

美国Natilus公司试飞水上无人货机 设计简单成本降低
美国Natilus公司试飞水上无人货机 设计简单成本降低

[2017-12-28]  Natilus创业公司成立于2014年,其梦想是建造大型无人机,以半价提供比船舶快得多国际货运。在十二月份,Natilus计划在旧金山湾测试一个9米翼展的小型原型无人机的水上滑行能力......

从AI中窥探人性
从AI中窥探人性

[2018-01-03]  人们对人造智能的恐惧早已成为科幻书籍和电影的极好题材。但现在,一些同样的担忧开始影响关于现实世界AI技术的政策讨论。如果这样的担忧演变成为一种技术恐慌...

英国首台月球车是个小型四腿机器人 将于2021年登月
英国首台月球车是个小型四腿机器人 将于2021年登月

[2019-10-12]  探测器将用四条腿探测月球表面,并将数据传回着陆器,后者将把数据传回地球图 詹姆斯温斯皮尔英国即将成为继美国、俄罗斯、中国之后的又一 ...

2017年:AI渗入云端
2017年:AI渗入云端

[2017-12-29]  云中的人工智能不仅仅是科技巨头的权力游戏,它也可能是人工智能领域的下一个飞跃。加利福尼亚州的Rigetti Computing公司刚刚使用其原型量子芯片之一在其云平台上运行机器学......

MIT研制出可以像植物一样生长的机器人
MIT研制出可以像植物一样生长的机器人

[2019-11-09]  麻省理工学院开发了一种新型机器人,这种机器人可以本质上自我延伸,其生长方式与植物幼苗向上生长的方式惊人相似。值得注意的是,研究人员 ...

这个外科手术机器人可以为患者“量身定制”
这个外科手术机器人可以为患者“量身定制”

[2019-07-12]  世界首创,来自澳大利亚机器人视觉研究中心的研究人员正在推动手术机器人的发展边界,他们创造了可定制的、小型化的手术机器人,能够唯一地 ...

本周栏目热点

盘点全球十大最具影响力的机器人摇篮

[1970-01-01]    人工智能(AI)研究现正迅速发展,如无人驾驶汽车、计算机在《危险边缘》智力竞赛节目中获胜、数字私人助手Siri、GoogleNow和语音助手C ...

深度学习反向传播算法(BP)原理推导及代码实现

[2017-12-19]  分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,......

如何在机器学习项目中使用统计方法的示例

[2018-07-23]  事实上,机器学习预测建模项目必须通过统计学方法才能有效的进行。在本文中,我们将通过实例介绍一些在预测建模问题中起关键作用的统计学方法。...

[2017-08-28]  模拟退火(Simulated Annealing,简称SA)是一种通用概率算法,用来在一个大的搜寻空间内找寻命题的最优解。1、固体退火原理:将固体加温 ...

Machine Learning-感知器分类算法详解

[2018-05-31]  今天我们来讲解的内容是感知器分类算法,本文的结构如下:什么是感知器分类算法,在Python中实现感知器学习算法,在iris(鸢尾花)数据集上训练一个感知器模型,自适应线性神......