在我的关于AI的书中写道，误差函数是（target-output）^ 2
d = Delta
W =体重
O =输出
T =目标
dE / Wa = dE / dOk * dOk / dWa
dE / dWa ＝ -2 *（Tk-Ok）* dOk / dWa。 //这个减号从哪里来？因此，派生必须为2 *（目标输出）。我不知道减号的来源。
答案 0 :(得分：0)
我相信您也会忘记采用内部的派生方式。因为导数是输出的函数。因此，您还必须采用内部“ -output”的派生形式，我们可以将其想象为“ -x”。而导数就是-1。
因此，该函数实际上是（target-output）（-1）（2），其中（-1）来自（-output）的导数，（2）来自幂。
该网站介绍了该衍生工具的一些基本示例：
https://www.intmath.com/differentiation/7-derivative-powers-of-function.php
编辑：传统上，如果您只是在进行反向传播，则将梯度作为J的函数，因此实际上不应在此处出现负号。负号的唯一时间是将导数作为输出的函数。但是，我将对此进行进一步的研究。