gpt4 book ai didi

opencv - 如何计算神经网络输出层的二阶导数?

转载 作者:太空宇宙 更新时间:2023-11-03 21:36:43 24 4
gpt4 key购买 nike

我正在尝试为卷积神经网络实现随机对角 Levenberg-Marquardt 方法,以便反向传播学习权重。我是新手,对此很困惑,所以我的问题很少,希望您能帮助我。

1) 我如何根据两个输出计算输出层的二阶导数。由于我在一阶导数中,我必须从所需输出中减去输出并将其乘以输出的导数。但是在二阶导数中我该怎么做呢?

2)在卷积神经网络的MaxPooling层中,我在2x2窗口中选择最大值,并将其与权重相乘,现在是否必须通过激活函数?

有人可以给我解释一下如何在 opencv 中执行此操作,或者如何使用数学解释或任何显示数学的引用资料。提前致谢。

最佳答案

如果您已经计算了 Jacobian 矩阵(偏一阶导数矩阵),那么您可以获得 Hessian(偏二阶导数矩阵)的近似值) 乘以 J^T*J(如果残差很小)。

您可以通过以下两个输出计算二阶导数:yf(X) 以及 Jacobian 这样:

enter image description here

换句话说,选择 Hessian 近似 B 以满足:

enter image description here

在本文中,您可以找到更多相关信息。 Ananth Ranganathan: The Levenberg-Marquardt Algorithm

关于opencv - 如何计算神经网络输出层的二阶导数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22730240/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com