大家好~本文推导全连接层的前向传播、后向传播、更新权重和偏移的数学公式,其中包括两种全连接层:作为输出层的全连接层、作为隐藏层的全连接层。
目录
我们构建一个三层神经网络,由一层输入层+两层全连接层组成:

输入层有三个节点,我们将其依次编号为1、2、3;隐藏层的两个节点,编号依次为4、5;输出层的两个节点编号为6、7。因为我们这个神经网络是全连接网络,所以可以看到每个节点都和上一层的所有节点有连接。比如,我们可以看到隐藏层的节点4,它和输入层的三个节点1、2、3之间都有连接,其连接上的权重分别为(w_{41}, w_{42}, w_{43})
(注意:权重的序号的命名规则是下一层的序号在上一层的序号之前,如为(w_{41})而不是(w_{14}))
节点4的输出值(y_4)的计算公式为:
[y_4=f(\vec{w_4}^T\cdot\vec{x}) ]
其中:
[\vec{w_4} = [w_{41}, w_{42}, w_{43}, w_{b_4}] ]
[\vec{x} = \begin{bmatrix} x_1\ x_2\ x_3\ 1 \ \end{bmatrix} ]
[f为激活函数 ]
推导隐藏层的前向传播
我们把隐藏层的权重向量组合在一起成为矩阵,就推导出隐藏层的前向传播计算公式了:
[\overrightarrow{y_{隐藏层}}=f(W_{隐藏层}\cdot\vec{x}) ]
其中:
[W_{隐藏层} = \begin{bmatrix} \vec{w_4} \ \vec{w_5} \ \end{bmatrix} =\begin{bmatrix} w_{41}, w_{42}, w_{43}, w_{b_4} \ w_{51}, w_{52}, w_{53}, w_{b_5} \ \end{bmatrix} ]
[\vec{x} = \begin{bmatrix} x_1\ x_2\ x_3\ 1 \ \end{bmatrix} ]
[\overrightarrow{y_{隐藏层}}=\begin{bmatrix} y_4 \ y_5 \ \end{bmatrix} ]
推导输出层的前向传播
同理,可推出输出层的前向传播计算公式:
[\overrightarrow{y_{输出层}}=f(W_{输出层}\cdot\overrightarrow{y_{隐藏层}}) ]
其中:
[W_{输出层} = \begin{bmatrix} \vec{w_6} \ \vec{w_7} \ \end{bmatrix} =\begin{bmatrix} w_{64}, w_{65}, w_{b_6} \ w_{74}, w_{75}, w_{b_7} \ \end{bmatrix} ]
[\overrightarrow{y_{隐藏层}} = \begin{bmatrix} y_4 \ y_5 \ 1 \ \end{bmatrix} ]
[\overrightarrow{y_{输出层}}=\begin{bmatrix} y_6 \ y_7 \ \end{bmatrix} ]
我们先来看下输出层的梯度下降算法公式:
[w_{kj}=w_{kj}-\eta\frac{dE}{dw_{kj}} ]
其中:(k)是输出层的节点序号,(j)是隐藏层的节点序号,(w_{kj})是输出层的权重矩阵(W_{输出层})的权重值,(\frac{dE}{dw_{kj}})是节点k的梯度
设(net_k)函数是节点k的加权输入:
[net_k=\overrightarrow{w_k}^T\cdot\overrightarrow{y_{隐藏层}} = \sum_{j} w_{kj}y_j ]
因为(E)是(\overrightarrow{y_{输出层}})的函数,(\overrightarrow{y_{输出层}})是(net_k)的函数,(net_k)是(w_{kj})的函数,所以根据链式求导法则,可以得到:
[\begin{aligned} \frac{dE}{dw_{kj}} & = \frac{dE}{dnet_k}\frac{dnet_k}{dw_{kj}} \ & = \frac{dE}{dnet_k}\frac{d\sum_{j} w_{kj}y_{j}}{dw_{kj}} \ & = \frac{dE}{dnet_k}y_{j} \ \end{aligned} ]
定义节点k的误差项(\delta_k)为:
[\delta_k = \frac{dE}{dnet_k} ]
因为(y_{j})已知,所以只要求出(\delta_k),就能计算出节点k的梯度
同理,对于隐藏层,可以得到下面的公式:
[w_{ji}=w_{ji}-\eta\frac{dE}{dw_{ji}} \ \frac{dE}{dw_{ji}} = \frac{dE}{dnet_j}x_{i} \ \delta_j = \frac{dE}{dnet_j} ]
其中:(j)是隐藏层的节点序号,(i)是输入层的节点序号,(w_{ji})是隐藏层的权重矩阵(W_{隐藏层})的权重值,(\frac{dE}{dw_{ji}})是节点j的梯度
因为(x_{i})已知,所以只要求出(\delta_j),就能计算出节点j的梯度
推导输出层的(\delta_k)
因为节点k的输出值(y_k)作为(\overrightarrow{y_{输出层}})的一个值,并没有影响(\overrightarrow{y_{输出层}})的其它值,所以节点k直接影响了(E)。也就说
因为(E)是(y_k)的函数,(y_k)是(net_k)的函数,所以根据链式求导法则,可以得到:
[\delta_k=\frac{dE}{dnet_k} = \frac{dE}{dy_k}\frac{dy_k}{dnet_k} ]
上式的第一项等于:
[\frac{dE}{dy_k} = \frac{dE(\overrightarrow{y_{输出层}})}{dy_k} ]
上式的第二项即为求激活函数(f)的导数:
[\frac{dy_k}{dnet_k} = \frac{df(net_k)}{dnet_k} ]
将第一项和第二项带入(\frac{dE}{dnet_k}),得到:
[\delta_k = \frac{dE(\overrightarrow{y_{输出层}})}{dy_k}\frac{df(net_k)}{dnet_k} ]
只要确定了(E)和激活函数(f),就可以求出(\delta_k)
一般来说,(E)可以为(softmax),(f)可以为(relu)
推导隐藏层的(\delta_j)
因为节点j的输出值(y_j)作为输出层所有节点的一个输入值,影响了(\overrightarrow{y_{输出层}})的每个值,所以节点j通过输出层所有节点影响了(E)。也就说(E)是输出层所有节点的(net)的函数,每个(net)函数(net_k)都是(net_j)的函数,所以根据全导数公式,可以得到:
[\begin{aligned} \delta_j =\frac{dE}{dnet_j} & = \sum_{k\in{输出层}} \quad\frac{dE}{dnet_k}\frac{dnet_k}{dnet_j} \ & = \sum_{k\in{输出层}} \quad\delta_k\frac{dnet_k}{dnet_j} \end{aligned} ]
因为(net_k)是(y_{j})的函数,(y_{j})是(net_j)的函数,所以根据链式求导法则,可以得到:
[\begin{aligned} \frac{dnet_k}{dnet_j} & = \frac{dnet_k}{dy_{j}}\frac{dy_{j}}{dnet_j} \ & = \frac{d\sum_{j} w_{kj}y_{j}}{dy_{j}}\frac{dy_{j}}{dnet_j} \ & = w_{kj}\frac{dy_{j}}{dnet_j} \ & = w_{kj}\frac{df(net_j)}{dnet_j} \ \end{aligned} ]
代入,得:
[\delta_j = \sum_{k\in{输出层}} \quad\delta_k w_{kj}\frac{df(net_j)}{dnet_j} ]
只要确定了激活函数(f)和得到了每个(\delta_k),就可以求出(\delta_j)
后向传播算法
通过上面的推导,得知要推导隐藏层的(\delta_j),需要先得到出下一层(也就是输出层)每个节点的误差项(\delta_k)
这就是反向传播算法:需要先计算输出层的误差项,然后反向依次计算每层的误差项,直到与输入层相连的层
经过上面的推导,可以得出输出层的更新公式为:
[\begin{aligned} w_{kj} =w_{kj}-\eta\delta_k y_j \end{aligned} ]
隐藏层的更新公式为:
[\begin{aligned} w_{ji} & =w_{ji}-\eta\delta_j x_i \end{aligned} ]
我们在推导隐藏层的误差项时,应用了全导数公式,这是一个难点