MATHEMATICAL APPROACH OF THE BACKPROPAGATION METHOD FOR CONSTRUCTING ARTIFICIAL NEURAL NETWORKS

Аннотация

Метод обратного распространения ошибки, вероятно, является основной частью нейронной сети. Этот метод применяется для эффективного обучения сети, используя цепное правило, которое позволяет дифференцировать сложные функции. Другими словами, после каждого прохода через сеть метод обратного распространения выполняет обратный проход, чтобы скорректировать параметры модели, такие как веса и смещения.

В данной статье освящается важность применения метода обратного распространения ошибки с точки зрения математических формул для нейронных сетей.

Математически описана и вычислено формулами, а также доказана расчетами матричных произведений векторов для каждого слоя параметров – весов и смещений и применений сложных дифференцированных уравнений, а также важность применения алгоритма обучения метода обратного распространения ошибок для вычисления градиента (gradient descent) и необходимость применения функции активаций для минимизации функции потерь.