精选优质文档-倾情为你奉上CNN算法中权重调整过程详细推导卷积神经网络(CNN)训练的过程是：信号由输入层输入，经隐含层(至少一层)，最后由输出层输出。为了使得输出的结果与期望值间的误差最小，我们需要对每层的权重参数进行调整，调成的过程是：利用输出值与期望值之间的误差，由输出层经隐含层到输入层，进行每层的误差计算，这个过程其实就是反向传播网络BP(Back Propagation)的计算过程。BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP学习网络能学习和存储大量的输入-输出模式映射关系，而事前无需揭示这种映射关系的数学方程。它的学习规则是使用梯度下降法，通过反向传播不断调整网络的权重和阈值，使网络的误差平方和最小。图1 神经网络示意图(这里没有添加偏置项)为了方便BP算法推导，如图1所示，我们做了如下的定义：(1)我们定义输入是：(2)隐含层的输出是：(3)输出层是：(4)输入层到隐
