给定输出节点和权重上的错误，如何使用反向传播更新隐藏节点上的错误

如何解决给定输出节点和权重上的错误，如何使用反向传播更新隐藏节点上的错误

我正在学习神经网络，我想手动编码反向传播以了解它的工作原理，但我在算法方面遇到了困难。我正在尝试解决 this 论文的第 30 个问题（以便我有一个示例来说明它是如何工作的）。

问题的简短版本是，如果有人可以告诉我如何执行此操作以找到 H2 的错误，我将不胜感激（答案应该是 A；-0.0660）。

问题的长版本是，我的想法是否正确（在 H2 使用反向传播找到错误）：

I1、I2 和 I3 的误差（来自问题 29）分别为 0.1479、-0.0929 和 0.1054。
网络架构是：

权重为：

所以我想我必须做什么：

找出导致每个输出错误的权重总数（我取绝对值得到错误总和，对吗？）：

E1 = 1.0 + 3.5 => 4.5

E2 = 0.5 + 1.2 => 1.7

E3 = 0.3 + 0.6 => 0.9
然后我计算出来自我感兴趣的节点 (y2) 的每个权重的比例：

E1 = 3.5/4.5 = 0.777

E2 = 1.2/1.7 = 0.71

E3 = 0.6/0.7 = 0.86
然后我计算出来自该重量比例的误差比例：

E1 => (0.14/100)*14 = 0.01078

E2 => (-0.09/100)*71 = -0.0639

E3 => (0.1054/100)*86 = 0.090644

如果有人能告诉我我哪里出错了（因为如上所述，我知道正确的答案应该是什么），我会很感激。另外，如上所述，如果有帮助的话，我在原始考试中添加了原始问题 30 的链接（它来自 17 年前，不是我正在做的考试，只是想了解它）。我知道我可以只使用 TensorFlow/Keras 来自动实现这一点，但我正在尝试真正了解它是如何工作的。

解决方法

在你提到的问题中，你得到了误差函数：

您需要计算 j = 2 的值。您拥有所有 delta_k 和 w_ij 的值。

还给出了激活函数的导数 f'(Hj)：

最后，您将获得隐藏节点 2 的激活函数，即 f(H2)。您需要做的就是将您拥有的所有值放入方程式中：

f'(H2) = 0.74 * (1 - 0.74) = 0.1924

delta_2 = 0.1924 * ((0.1479 * -3.5) + (-0.0929 * -1.2) + (0.1054 * 0.6)) = -0.06598