在反向传播中，为什么这是必要的，o (1 - o)

【问题标题】：In back propagation why is this necessary, o (1 - o)在反向传播中，为什么这是必要的，o (1 - o)
【发布时间】：2014-04-03 19:00:33
【问题描述】：

要计算您将使用的反向传播误差，(target out - act.out) * act.out * (1 - act.out)

那么，act.out * (1 - act.out) 解决了什么问题？

不会，[瞄准-行动。 out] 是输出不正确的数量？

【问题讨论】：

【解决方案1】：

它解决了神经元输出相对于当前激活水平的导数。如果你使用logistic sigmoid作为激活函数，那么如果f(x)是激活x的sigmoid输出，则导数df/dx等于f(x)(1 - f(x))。

在反向传播方程中，要确定应该改变多少权重，您需要估计输出对激活变化的敏感程度。这就是这个术语所提供的。

【讨论】：