簡單的說鏈式法則就是原本y對x求偏導，但是由於過程較為複雜，我們引入了乙個中間層z，先利用y對z求偏導，在乘上z對x求偏導，這樣會使整個計算更為簡單。
作用:通過鏈式法則我們就可以把最後一層的誤差，一層一層的輸出到中間層上面去，從而得到中間層的梯度資訊，通過梯度資訊我們就能很好的更新權值，從而達到更好的優化效果。
從上面可以知道e為最右邊，當e對w1做偏微分，可以更新w1；同理e對w2做偏微分，就更新w2.
從x到e之間我們經歷了o1和o2，通過鏈式法則，從乙個複雜的偏微分，就變成了三個簡單的偏微分求解，使操作更為簡單。
實際**:
72行意思就是y2對y1求偏導，73行意思就是y1對w1求偏導，74行意思就是d2對w1求偏導，75行(通過鏈式法則)和76行表示所得結果都是一樣的，這就表明鏈式法則是完全符合神經網路的。
深度學習 神經網路筆記
rnn 遞迴神經網路 一 神經網路的種類 基礎神經網路 單層感知機，執行緒神經網路，bp神經網路，hopfield神經網路等 高階神經網路 玻爾茲曼機，受限玻爾茲曼機，遞迴神經網路等 深度神經網路 深度置信網路，卷積神經網路，迴圈神經網路，lstm聖經網路等 一 感知機 svm 有n個輸入資料，通過...
機器學習，深度學習，神經網路，深度神經網路
先來說一下這幾者之間的關係 人工智慧包含機器學習，機器學習包含深度學習 是其中比較重要的分支 深度學習源自於人工神經網路的研究，但是並不完全等於傳統神經網路。所以深度學習可以說是在傳統神經網路基礎上的公升級。神經網路一般有輸入層 隱藏層 輸出層，一般來說隱藏層大於2的神經網路就叫做深度神經網路，深度...
深度學習 深度神經網路
神經網路是由乙個個神經元相互連線並按層次排列構成的，深度神經網路是有任意層的神經網路，這裡的深度是指層次的多，而不是神經元數量的多。有任意層，那麼就要有乙個迴圈來負責遍歷每一層進行計算。所以深度神經網路的計算形式，就必須要適應這個迴圈結構。我們先來說說神經元吧 對於多神經元神經網路，其實也是一樣的。...