Dmitry
152 lines
6.0 KiB
Markdown
152 lines
6.0 KiB
Markdown
---
|
|
status: stable
|
|
type: concept
|
|
tags:
|
|
- machine-learning
|
|
- neural-networks
|
|
- backpropagation
|
|
- gradient-descent
|
|
created: 2025-12-17
|
|
updated: 2026-05-07
|
|
title: Обратное распространение ошибки
|
|
---
|
|
|
|
# Обратное распространение ошибки
|
|
|
|
**Обратное распространение ошибки** (*backpropagation*) - алгоритм вычисления градиентов функции ошибки по весам многослойной [[Нейронные сети|нейронной сети]]. После вычисления градиентов веса обновляются методом градиентного спуска.
|
|
|
|
Главная идея: сначала сеть делает прямой проход и получает предсказание, затем ошибка распространяется от выходного слоя назад к предыдущим слоям. Для каждого веса считается, насколько изменение этого веса повлияло на итоговую ошибку.
|
|
|
|
## Как выглядит
|
|
![[Pasted image 20260507214813.png]]
|
|
|
|
## Где используется
|
|
|
|
Backpropagation нужен при обучении сетей с учителем:
|
|
|
|
$$
|
|
X^{(p)} \rightarrow Y^{(p)} \approx D^{(p)}
|
|
$$
|
|
|
|
где:
|
|
- $X^{(p)}$ - входной объект;
|
|
- $Y^{(p)}$ - выход сети;
|
|
- $D^{(p)}$ - целевой ответ;
|
|
- $p$ - номер обучающего примера.
|
|
|
|
Алгоритм применим к многослойным сетям, если функции активации дифференцируемы или хотя бы имеют используемую на практике производную почти всюду.
|
|
|
|
## Прямой проход
|
|
|
|
Для сети с одним скрытым слоем:
|
|
|
|
$$
|
|
S_i^{(1)}=\sum\limits_{j=1}^{n}w_{ij}^{(1)}x_j
|
|
$$
|
|
|
|
$$
|
|
u_i=F(S_i^{(1)})
|
|
$$
|
|
|
|
$$
|
|
S_l^{(2)}=\sum\limits_{i=1}^{k}w_{li}^{(2)}u_i
|
|
$$
|
|
|
|
$$
|
|
y_l=F(S_l^{(2)})
|
|
$$
|
|
|
|
В развёрнутом виде:
|
|
|
|
$$
|
|
y_l=
|
|
F\left(
|
|
\sum\limits_{i=1}^{k}
|
|
w_{li}^{(2)}
|
|
F\left(
|
|
\sum\limits_{j=1}^{n}
|
|
w_{ij}^{(1)}x_j
|
|
\right)
|
|
\right),
|
|
\quad l=\overline{1,m}
|
|
$$
|
|
|
|
## Функция ошибки
|
|
|
|
Для одного обучающего примера часто используют квадратичную ошибку:
|
|
|
|
$$
|
|
E=\frac{1}{2}\sum\limits_{l=1}^{m}(y_l-d_l)^2
|
|
$$
|
|
|
|
Коэффициент $\frac{1}{2}$ нужен только для удобства производной: при дифференцировании квадрат даёт множитель $2$, который сокращается.
|
|
|
|
## Обновление весов
|
|
|
|
Минимизация ошибки происходит через градиентный спуск:
|
|
|
|
$$
|
|
w_{ij}(t+1)=w_{ij}(t)-\alpha\frac{\partial E}{\partial w_{ij}(t)}
|
|
$$
|
|
|
|
где:
|
|
- $w_{ij}$ - вес связи;
|
|
- $t$ - номер шага обучения;
|
|
- $\alpha$ - скорость обучения (*learning rate*);
|
|
- $\frac{\partial E}{\partial w_{ij}}$ - производная ошибки по весу.
|
|
|
|
Если производная положительная, увеличение веса увеличивает ошибку, поэтому вес уменьшается. Если производная отрицательная, вес увеличивается.
|
|
|
|
## Алгоритм
|
|
|
|
1. Подать входной вектор $X$ на вход сети.
|
|
2. Выполнить прямой проход и получить выходы всех слоёв.
|
|
3. Посчитать ошибку $E$ между предсказанием $Y$ и целевым ответом $D$.
|
|
4. Посчитать ошибку выходного слоя $\delta^{(2)}$.
|
|
5. Распространить ошибку назад и посчитать ошибки скрытых слоёв $\delta^{(1)}$.
|
|
6. Найти градиенты по весам.
|
|
7. Обновить веса в направлении антиградиента.
|
|
8. Повторять до выполнения условия остановки: лимит эпох, малая ошибка, малая норма градиента или отсутствие улучшения.
|
|
|
|
## Локальная ошибка слоя
|
|
|
|
Для выходного слоя:
|
|
|
|
$$
|
|
\delta_l^{(2)}=(y_l-d_l)F'(S_l^{(2)})
|
|
$$
|
|
|
|
Для скрытого слоя:
|
|
|
|
$$
|
|
\delta_i^{(1)}
|
|
=
|
|
F'(S_i^{(1)})
|
|
\sum\limits_{l=1}^{m}
|
|
\delta_l^{(2)}w_{li}^{(2)}
|
|
$$
|
|
|
|
То есть ошибка скрытого нейрона - это сумма ошибок следующего слоя, взвешенная связями с этим слоем, умноженная на производную активации скрытого нейрона.
|
|
|
|
## Интуиция
|
|
|
|
Backpropagation - это не отдельный способ оптимизации, а эффективный способ вычислить градиенты. Оптимизацию делает градиентный спуск или его модификации: SGD, Momentum, Adam и т.д.
|
|
|
|
Смысл $\delta$:
|
|
- на выходном слое $\delta$ показывает, насколько нейрон ошибся с учётом производной активации;
|
|
- на скрытом слое прямого целевого ответа нет, поэтому ошибка собирается из всех нейронов следующего слоя;
|
|
- градиент веса получается как локальная ошибка нейрона, в который входит вес, умноженная на вход этого веса.
|
|
|
|
## Иллюстрации
|
|
|
|
![[Pasted image 20260417105754.png|536]]
|
|
|
|
![[Pasted image 20260417105833.png|540]]
|
|
|
|
## Связанные заметки
|
|
|
|
- [[Обратное распространение ошибки - вывод]]
|
|
- [[Обратное распространение ошибки для произвольного числа слоев НС]]
|
|
- [[Нейронные сети]]
|
|
- [[Линейные модели]]
|