我想用this article来构造神经网络，但在权值向量的更新算法上遇到了一些问题。特别是公式marked red。
有谁能帮助我理解，什么是hm（i）和符号“”的意思？
最佳答案
这看起来像是神经网络训练误差梯度的back-propagation计算Bishop（第244页）列出了一个关键公式：
δj = h'(aj) SUM(k, wkj δk)
δ是隐藏节点或输出节点的预测值和标记值之间的错误右侧的δ项已经计算过，并且与所考虑的下一层输出相对应。h'项是非线性activation function的导数，通常是sigmoid function或tanh在您的图像中列出的hm看起来像是tanh随变量变化而变化的导数。垂直条是求值的语法：
f(t) = f(x) | t我不太清楚你的形象是什么，我可能错了。关于algorithm - 反向传播训练神经网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11280873/