Delta组件在sigmoid激活MLP的重量学习规则中没有显示

Question

作为概念的基本证明，在网络中使用输入x，偏差b，输出y，S样本，权重v和t教师信号对K类进行分类，其中如果匹配样本在下，则t（k）等于1 k class。

Variables

令x_（是）表示s_（th）样本中的第i_（th）输入特征。 v_（ks）表示保持与s_（th）样本内的所有输入的k_（th）输出的连接权重的向量。 t_（s）代表s_（th）样本的教师信号。

如果我们扩展上述变量以考虑多个样本，则必须应用以下更改，同时声明变量z_（k），激活函数f（。）并使用corss entropy作为成本函数： Derivation

通常在学习规则中，delta（t_（k） - y_（k））总是包含在内，为什么Delta不会出现在这个等式中？我错过了什么或者delta规则出现不是必须的吗？

Answer 1

我设法找到了解决方案，当我们考虑Kronecker delta时，很明显，其中Where（如果一个类与分类器匹配则δck= 1，否则为δck）。这意味着推导采用了这种形式：

Derivation

导致delta规则。