待验证50% 置信事实精确时间
权重梯度公式为 ∂L/∂W = δ · a_prev^T。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
用NumPy手搓神经网络：一次深入理解反向传播的实践
redditr/deeplearning2026/10/19
涉及实体
相关事实
待验证蔡勒公式的典型形式为 h = (q + ⌊13(m+1)/5⌋ + K + ⌊K/4⌋ + ⌊J/4⌋ - 2J) mod 771% 相似待验证线性回归系数的闭式解为 β1 = Σ(xi-x̄)(yi-ȳ)/Σ(xi-x̄)²，β0 = ȳ - β1·x̄69% 相似待验证含时薛定谔方程的形式为 iℏ∂ψ/∂t = Ĥψ，其中ℏ是约化普朗克常数，Ĥ是哈密顿算符67% 相似待验证反向传播的四个基本方程围绕误差δˡⱼ=∂C/∂zˡⱼ推导：输出层误差δᴸ=∇ₐC⊙σ′(zᴸ)、误差反向传播、偏置梯度∂C/∂bˡ=δˡ、权重梯度∂C/∂wˡ=δˡ(aˡ⁻¹)ᵀ66% 相似待验证近端算子prox_{ηh}(v) = argmin_x { h(x) + (1/(2η))||x-v||^2 }相当于在点v处对h做一步隐式梯度下降，且不要求h可微。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069364API
curl https://kongchang.com/api/v1/knowledge/claims/1069364MCP
get_claim(id=1069364)