이건 gradient 방법에 대한 질문인듯.
가중치_new = 가중치_old - 학습률 * (E를 가중치로 편미분한것)
이때 E = sum_k (ycal_k - yref_k)^2 이때, k= 1 ... N, N: (x,y) 데이터 개수
ycal_k 를 계산할때 가중치들이 사용되니까, E를 편미분 하면 ycal를 편미분 하게 되는거.
익명(112.162)2022-11-24 20:01
답글
E를 가중치로 편미분한 수식만 구하면 구현의 가장 큰 어려움은 넘겼다고 볼수있음.
이 수식 구하는건 고등 수학지식을 알아야하는건 아니고 편미분, chain rule 알고있으면 일종의 노가다.
이건 gradient 방법에 대한 질문인듯. 가중치_new = 가중치_old - 학습률 * (E를 가중치로 편미분한것) 이때 E = sum_k (ycal_k - yref_k)^2 이때, k= 1 ... N, N: (x,y) 데이터 개수 ycal_k 를 계산할때 가중치들이 사용되니까, E를 편미분 하면 ycal를 편미분 하게 되는거.
E를 가중치로 편미분한 수식만 구하면 구현의 가장 큰 어려움은 넘겼다고 볼수있음. 이 수식 구하는건 고등 수학지식을 알아야하는건 아니고 편미분, chain rule 알고있으면 일종의 노가다.
밑바닥 딥러닝 3 참고