多元向量值函数求导的矩阵表示及其在人工神经网络中的应用  

Matrix Representation of Derivative of Multivariate Vector Function and Its Application in Artificial Neural Network

作　　者：杨迪威[1] 边家文[1] 张玉洁[1] 

机构地区：[1]中国地质大学数理学院,湖北武汉430074

出　　处：《海南大学学报（自然科学版）》2016年第4期313-318,共6页Natural Science Journal of Hainan University

基　　金：中国地质大学(武汉)本科教学工程(ZL201634);实验室基金(GBL31513)

摘　　要：在介绍多元向量值函数求导的矩阵表示的基础上,给出了梯度下降法的工作原理及其训练神经网络的过程,最后通过Matlab仿真实验验证了梯度下降法的有效性.In the vector function, report, based on the introduction of the matrix representation of partial derivative of multivariate the operating principle of gradient-descent algorithm and its application in artificial neural network were proposed. The effectiveness of gradient-descent algorithm was proved by a Matlab simulation.

关 键 词：人工神经网络 深度学习 梯度下降法 多元函数导数的矩阵表示 

分 类 号：O172[理学—数学]