- 深度学习时代的计算机视觉算法
- 徐从安 李健伟 董云龙 孙超等
- 138字
- 2025-02-07 17:24:32
1.3.3 权重系数更新
针对只包含单个样例(x,y)的网络,代价函数为:

对于包含m个样本空间的数据集,网络的整体代价函数可定义为:

其中,系数λ影响式(1-11)中两项的相对权重,代价函数的优化目标是利用参数W和b通过反复迭代求取J(W,b)的最小值。采用梯度下降法更新参数:

其中,α是学习率。
针对只包含单个样例(x,y)的网络,代价函数为:
对于包含m个样本空间的数据集,网络的整体代价函数可定义为:
其中,系数λ影响式(1-11)中两项的相对权重,代价函数的优化目标是利用参数W和b通过反复迭代求取J(W,b)的最小值。采用梯度下降法更新参数:
其中,α是学习率。