1、神经元细胞的数学模型

神经网络由基本的神经元组成，下图就是神经元的数 学/计算模型，便于我们用程序来实现。

2、神经网络中的三个基本概念

这三大概念是：反向传播，梯度下降，损失函数。
简单总结一下反向传播与梯度下降的基本工作原理：
（1）初始化；
（2）正向计算；
（3）损失函数为我们提供了计算损失的方法；
（4）梯度下降是在损失函数基础上向着损失最小的点靠 近而指引了网络权重调整的方向；
（5）反向传播把损失值反向传给神经网络的每一层，让 每一层都根据损失值反向调整权重；
（6）重复正向计算过程，直到精度足够好（比如损失函 数值小于 0.0010.001）。

3、 线性反向传播

3.1 正向计算的实例

假设有一个函数：

z = x ⋅ y (1) z = x \cdot y \tag{1} z=x⋅y(1)

其中:

x = 2 w + 3 b (2) x = 2w + 3b \tag{2} x=2w+3b(2)

y = 2 b + 1 (3) y = 2b + 1 \tag{3} y=2b+1(3)

计算图如图下。

注意这里 x , y , z x,y,z x,y,z 不是变量，只是中间计算结果； w , b w,b w,b 才是变量。因为在后面要学习的神经网络中，要最终求解的目标是 w w w 和 b b b 的值，所以在这里先预热一下。

当 w = 3 , b = 4 w = 3, b = 4 w=3,b=4 时，会得到如下图的结果。

最终的 z z z 值，受到了前面很多因素的影响：变量 w w w，变量 b b b，计算式 x x x，计算式 y y y。

3.2 反向传播求解 w w w

求 w w w 的偏导

目前 z = 162 z=162 z=162，如果想让 z z z 变小一些，比如目标是 z = 150 z=150 z=150， w w w 应该如何变化呢？为了简化问题，先只考虑改变 w w w 的值，而令 b b b 值固定为 4 4 4。

如果想解决这个问题，最笨的办法是可以在输入端一点一点的试，把 w w w 变成 3.5 3.5 3.5 试试，再变成 3 3 3 试试…直到满意为止。现在我们将要学习一个更好的解决办法：反向传播。

从 z z z 开始一层一层向回看，图中各节点关于变量 w w w 的偏导计算结果如下：

因为 z = x ⋅ y z = x \cdot y z=x⋅y，其中 x = 2 w + 3 b , y = 2 b + 1 x = 2w + 3b, y = 2b + 1 x=2w+3b,y=2b+1

所以：

∂ z ∂ w = ∂ z ∂ x ⋅ ∂ x ∂ w = y ⋅ 2 = 18 (4) \frac{\partial{z}}{\partial{w}}=\frac{\partial{z}}{\partial{x}} \cdot \frac{\partial{x}}{\partial{w}}=y \cdot 2=18 \tag{4} ∂w∂z​=∂x∂z​⋅∂w∂x​=y⋅2=18(4)

其中：

∂ z ∂ x = ∂ ∂ x ( x ⋅ y ) = y = 9 \frac{\partial{z}}{\partial{x}}=\frac{\partial{}}{\partial{x}}(x \cdot y)=y=9 ∂x∂z​=∂x∂​(x⋅y)=y=9

∂ x ∂ w = ∂ ∂ w ( 2 w + 3 b ) = 2 \frac{\partial{x}}{\partial{w}}=\frac{\partial{}}{\partial{w}}(2w+3b)=2 ∂w∂x​=∂w∂​(2w+3b)=2
对 w w w 的偏导求解过程如下

图中其实就是链式法则的具体表现， z z z 的误差通过中间的 x x x 传递到 w w w。如果不是用链式法则，而是直接用 z z z 的表达式计算对 w w w 的偏导数，会怎么样呢？我们来试验一下。

根据公式1、2、3，我们有：

z = x ⋅ y = ( 2 w + 3 b ) ( 2 b + 1 ) = 4 w b + 2 w + 6 b 2 + 3 b (5) z=x \cdot y=(2w+3b)(2b+1)=4wb+2w+6b^2+3b \tag{5} z=x⋅y=(2w+3b)(2b+1)=4wb+2w+6b2+3b(5)

对上式求 w w w 的偏导：

∂ z ∂ w = 4 b + 2 = 4 ⋅ 4 + 2 = 18 (6) \frac{\partial z}{\partial w}=4b+2=4 \cdot 4 + 2=18 \tag{6} ∂w∂z​=4b+2=4⋅4+2=18(6)

公式4和公式6的结果完全一致！所以，请大家相信链式法则的科学性。

求 w w w 的具体变化值

公式4和公式6的含义是：当 w w w 变化一点点时， z z z 会产生 w w w 的变化值18倍的变化。记住我们的目标是让 z = 150 z=150 z=150，目前在初始状态时是 z = 162 z=162 z=162，所以，问题转化为：当需要 z z z 从 162 162 162 变到 150 150 150 时， w w w 需要变化多少？

既然：

Δ z = 18 ⋅ Δ w \Delta z = 18 \cdot \Delta w Δz=18⋅Δw

则：

Δ w = Δ z 18 = 162 − 150 18 = 0.6667 \Delta w = {\Delta z \over 18}=\frac{162-150}{18}= 0.6667 Δw=18Δz​=18162−150​=0.6667

所以：

w = w − 0.6667 = 2.3333 w = w - 0.6667=2.3333 w=w−0.6667=2.3333
x = 2 w + 3 b = 16.6667 x=2w+3b=16.6667 x=2w+3b=16.6667
z = x ⋅ y = 16.6667 × 9 = 150.0003 z=x \cdot y=16.6667 \times 9=150.0003 z=x⋅y=16.6667×9=150.0003

我们一下子就成功地让 z z z 值变成了 150.0003 150.0003 150.0003，与 150 150 150 的目标非常地接近，这就是偏导数的威力所在。

3.3 反向传播求解 b b b

求 b b b 的偏导

这次我们令 w w w 的值固定为 3 3 3，变化 b b b 的值，目标还是让 z = 150 z=150 z=150。同上一小节一样，先求 b b b 的偏导数。

注意，在上一小节中，求 w w w 的导数只经过了一条路：从 z z z 到 x x x 到 w w w。但是求 b b b 的导数时要经过两条路，如图2-7所示：

1. 从 z z z 到 x x x 到 b b b；
2. 从 z z z 到 y y y 到 b b b。

对b的偏导求解过程如下

从复合导数公式来看，这两者应该是相加的关系，所以有：

∂ z ∂ b = ∂ z ∂ x ⋅ ∂ x ∂ b + ∂ z ∂ y ⋅ ∂ y ∂ b = y ⋅ 3 + x ⋅ 2 = 63 (7) \frac{\partial{z}}{\partial{b}}=\frac{\partial{z}}{\partial{x}} \cdot \frac{\partial{x}}{\partial{b}}+\frac{\partial{z}}{\partial{y}}\cdot\frac{\partial{y}}{\partial{b}}=y \cdot 3+x \cdot 2=63 \tag{7} ∂b∂z​=∂x∂z​⋅∂b∂x​+∂y∂z​⋅∂b∂y​=y⋅3+x⋅2=63(7)

其中：

∂ z ∂ x = ∂ ∂ x ( x ⋅ y ) = y = 9 \frac{\partial{z}}{\partial{x}}=\frac{\partial{}}{\partial{x}}(x \cdot y)=y=9 ∂x∂z​=∂x∂​(x⋅y)=y=9
∂ z ∂ y = ∂ ∂ y ( x ⋅ y ) = x = 18 \frac{\partial{z}}{\partial{y}}=\frac{\partial{}}{\partial{y}}(x \cdot y)=x=18 ∂y∂z​=∂y∂​(x⋅y)=x=18
∂ x ∂ b = ∂ ∂ b ( 2 w + 3 b ) = 3 \frac{\partial{x}}{\partial{b}}=\frac{\partial{}}{\partial{b}}(2w+3b)=3 ∂b∂x​=∂b∂​(2w+3b)=3
∂ y ∂ b = ∂ ∂ b ( 2 b + 1 ) = 2 \frac{\partial{y}}{\partial{b}}=\frac{\partial{}}{\partial{b}}(2b+1)=2 ∂b∂y​=∂b∂​(2b+1)=2

我们不妨再验证一下链式求导的正确性。把公式5再拿过来：

z = x ⋅ y = ( 2 w + 3 b ) ( 2 b + 1 ) = 4 w b + 2 w + 6 b 2 + 3 b (5) z=x \cdot y=(2w+3b)(2b+1)=4wb+2w+6b^2+3b \tag{5} z=x⋅y=(2w+3b)(2b+1)=4wb+2w+6b2+3b(5)

对上式求b的偏导：

∂ z ∂ b = 4 w + 12 b + 3 = 12 + 48 + 3 = 63 (8) \frac{\partial z}{\partial b}=4w+12b+3=12+48+3=63 \tag{8} ∂b∂z​=4w+12b+3=12+48+3=63(8)

结果和公式7的链式法则一样。

求 b b b 的具体变化值

公式7和公式8的含义是：当 b b b 变化一点点时， z z z 会发生 b b b 的变化值 63 63 63 倍的变化。记住我们的目标是让 z = 150 z=150 z=150，目前在初始状态时是 162 162 162，所以，问题转化为：当我们需要 z z z 从 162 162 162 变到 150 150 150 时， b b b 需要变化多少？

既然：

Δ z = 63 ⋅ Δ b \Delta z = 63 \cdot \Delta b Δz=63⋅Δb

则：

Δ b = Δ z 63 = 162 − 150 63 = 0.1905 \Delta b = \frac{\Delta z}{63}=\frac{162-150}{63}=0.1905 Δb=63Δz​=63162−150​=0.1905

所以：
b = b − 0.1905 = 3.8095 b=b-0.1905=3.8095 b=b−0.1905=3.8095
x = 2 w + 3 b = 17.4285 x=2w+3b=17.4285 x=2w+3b=17.4285
y = 2 b + 1 = 8.619 y=2b+1=8.619 y=2b+1=8.619
z = x ⋅ y = 17.4285 × 8.619 = 150.2162 z=x \cdot y=17.4285 \times 8.619=150.2162 z=x⋅y=17.4285×8.619=150.2162

这个结果也是与 150 150 150 很接近了，但是精度还不够。再迭代几次，直到误差不大于 1e-4 时，我们就可以结束迭代了，对于计算机来说，这些运算的执行速度很快。

4、 梯度下降

4.1 从自然现象中理解梯度下降

在大多数文章中，都以“一个人被困在山上，需要迅速下到谷底”来举例，这个人会“寻找当前所处位置最陡峭的地方向下走”。这个例子中忽略了安全因素，这个人不可能沿着最陡峭的方向走，要考虑坡度。

在自然界中，梯度下降的最好例子，就是泉水下山的过程：

1. 水受重力影响，会在当前位置，沿着最陡峭的方向流动，有时会形成瀑布（梯度下降）；
2. 水流下山的路径不是唯一的，在同一个地点，有可能有多个位置具有同样的陡峭程度，而造成了分流（可以得到多个解）；
3. 遇到坑洼地区，有可能形成湖泊，而终止下山过程（不能得到全局最优解，而是局部最优解）。

4.2 梯度下降的数学理解

梯度下降的数学公式：

θ n + 1 = θ n − η ⋅ ∇ J ( θ ) (1) \theta_{n+1} = \theta_{n} - \eta \cdot \nabla J(\theta) \tag{1} θn+1​=θn​−η⋅∇J(θ)(1)

其中：

• θ n + 1 \theta_{n+1} θn+1​：下一个值；
• θ n \theta_n θn​：当前值；
• − - −：减号，梯度的反向；
• η \eta η：学习率或步长，控制每一步走的距离，不要太快以免错过了最佳景点，不要太慢以免时间太长；
• ∇ \nabla ∇：梯度，函数当前位置的最快上升点；
• J ( θ ) J(\theta) J(θ)：函数。

梯度下降的三要素

1. 当前点；
2. 方向；
3. 步长。

为什么说是“梯度下降”？

“梯度下降”包含了两层含义：

1. 梯度：函数当前位置的最快上升点；
2. 下降：与导数相反的方向，用数学语言描述就是那个减号。

5、损失函数

5.1 概念

在各种材料中经常看到的中英文词汇有：误差，偏差，Error，Cost，Loss，损失，代价…意思都差不多，在本书中，使用“损失函数”和“Loss Function”这两个词汇，具体的损失函数符号用 J J J 来表示，误差值用 l o s s loss loss 表示。

“损失”就是所有样本的“误差”的总和，亦即（ m m m 为样本数）：

损 失 = ∑ i = 1 m 误 差 i 损失 = \sum^m_{i=1}误差_i 损失=i=1∑m​误差i​

J = ∑ i = 1 m l o s s i J = \sum_{i=1}^m loss_i J=i=1∑m​lossi​

5.2损失函数的作用

损失函数的作用，就是计算神经网络每次迭代的前向计算结果与真实值的差距，从而指导下一步的训练向正确的方向进行。

如何使用损失函数呢？具体步骤：

1. 用随机值初始化前向计算公式的参数；
2. 代入样本，计算输出的预测值；
3. 用损失函数计算预测值和标签值（真实值）的误差；
4. 根据损失函数的导数，沿梯度最小方向将误差回传，修正前向计算公式中的各个权重值；
5. 进入第2步重复, 直到损失函数值达到一个满意的值就停止迭代。

5.3 机器学习常用损失函数

符号规则： a a a 是预测值， y y y 是样本标签值， l o s s loss loss 是损失函数值。

• Gold Standard Loss，又称0-1误差
  l o s s = { 0 a = y 1 a ≠ y loss=\begin{cases} 0 & a=y \\\\ 1 & a \ne y \end{cases} loss=⎩⎪⎨⎪⎧​01​a=ya​=y​

• 绝对值损失函数

l o s s = ∣ y − a ∣ loss = |y-a| loss=∣y−a∣

• Hinge Loss，铰链/折页损失函数或最大边界损失函数，主要用于SVM（支持向量机）中

l o s s = max ⁡ ( 0 , 1 − y ⋅ a ) y = ± 1 loss=\max(0,1-y \cdot a) \qquad y=\pm 1 loss=max(0,1−y⋅a)y=±1

• Log Loss，对数损失函数，又叫交叉熵损失函数(cross entropy error)

l o s s = − [ y ⋅ ln ⁡ ( a ) + ( 1 − y ) ⋅ ln ⁡ ( 1 − a ) ] y ∈ 0 , 1 loss = -[y \cdot \ln (a) + (1-y) \cdot \ln (1-a)] \qquad y \in \\{ 0,1 \\} loss=−[y⋅ln(a)+(1−y)⋅ln(1−a)]y∈0,1

• Squared Loss，均方差损失函数
  l o s s = ( a − y ) 2 loss=(a-y)^2 loss=(a−y)2

• Exponential Loss，指数损失函数
  l o s s = e − ( y ⋅ a ) loss = e^{-(y \cdot a)} loss=e−(y⋅a)

5.4 神经网络中常用的损失函数

（1）均方差函数，主要用于回归
均方差函数
该函数就是最直观的一个损失函数了，计算预测值和真实值之间的欧式距离。预测值和真实值越接近，两者的均方差就越小。

均方差函数常用于线性回归(linear regression)，即函数拟合(function fitting)。公式如下：

l o s s = 1 2 ( z − y ) 2 (单样本) loss = {1 \over 2}(z-y)^2 \tag{单样本} loss=21​(z−y)2(单样本)

J = 1 2 m ∑ i = 1 m ( z i − y i ) 2 (多样本) J=\frac{1}{2m} \sum_{i=1}^m (z_i-y_i)^2 \tag{多样本} J=2m1​i=1∑m​(zi​−yi​)2(多样本)

（2）交叉熵函数，主要用于分类
交叉熵（Cross Entropy）是Shannon信息论中一个重要概念，主要用于度量两个概率分布间的差异性信息。在信息论中，交叉熵是表示两个概率分布 p , q p,q p,q 的差异，其中 p p p 表示真实分布， q q q 表示预测分布，那么 H ( p , q ) H(p,q) H(p,q) 就称为交叉熵：

H ( p , q ) = ∑ i p i ⋅ ln ⁡ 1 q i = − ∑ i p i ln ⁡ q i (1) H(p,q)=\sum_i p_i \cdot \ln {1 \over q_i} = - \sum_i p_i \ln q_i \tag{1} H(p,q)=i∑​pi​⋅lnqi​1​=−i∑​pi​lnqi​(1)

交叉熵可在神经网络中作为损失函数， p p p 表示真实标记的分布， q q q 则为训练后的模型的预测标记分布，交叉熵损失函数可以衡量 p p p 与 q q q 的相似性。

心得体会：通过别的资料稍加整理写的，如果文章有幸被你看到，希望对你有所帮助。“纸上得来终觉浅,绝知此事要躬行”。许多公式建议读者手写推导，已便加深理解。

标签：总结,150,frac,函数,cdot,基础知识,神经网络,3b,partial
来源： https://blog.csdn.net/qq_50817166/article/details/117855299