熱點事件持續更新
反向傳播梯度計算與權重更新
1 篇報道1 個報道來源3 小時前更新
先了解這件事
AI 綜述
報道説明，當神經網絡的預測出錯時，反向傳播會由損失值向後傳遞梯度，並逐層計算神經網絡各個權重的梯度；這些梯度可作為調整權重的依據。報道以一個例子展示計算和更新結果：第一個權重的梯度為 8/3，第二個權重的梯度為 4/9；使用 α = 0.05 更新權重後，損失由 0.44 降至 0.16。內容呈現由損失值傳遞梯度、逐層求出各權重梯度，再據此更新權重的流程，並以更新前後的損失數值説明結果。
AI 根據報道生成 · 3 小時前更新
最新進展11月1日 07:20
示例顯示，使用 α = 0.05 更新權重後，損失由 0.44 降至 0.16。報道時間線
沿着報道，瞭解事件的不同側面。
11月1日
- DEV Community神經網絡預測出錯時，反向傳播如何計算各權重的梯度？
反向傳播會由損失值向後傳遞梯度，逐層計算神經網絡各權重的梯度，作為調整權重的依據。例子中，第一個權重的梯度為 8/3，第二個為 4/9；使用 α = 0.05 更新後，損失由 0.44 降至 0.16。
本事件熱度走勢
當前熱度 9·可比範圍峯值 10（11月1日 08:00）·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體，範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度；鍵盤可用左右方向鍵切換。