在在线反向传播权重更新中添加动量项？

Question

我已经为两层网络实现了 ANN，我需要用动量修改我的权重更新代码，但我需要知道如何更新它。下面是仅权重更新的代码快照。下面的代码更新它看到的每个示例的权重，hiddenWights 是隐藏层权重，outputWeights 是输出层权重。

 for examplen = 1: nTrainingExamples
           inputVector = inputs(:,examplen);
           HiddenLayerOutput = sigmoid( hiddenWeights * inputVector);
           OutputLayerOutput = sigmoid( outputWeights * HiddenLayerOutput);

           l2_error = OutputLayerOutput - targets(:, examplen);
           l2_delta = learningRates(1, i) .* (OutputLayerOutput .* (1 - OutputLayerOutput)) .* l2_error;
           l2_v = mu * l2_v - l2_delta * t;

           l1_delta = learningRates(1, i) .* (HiddenLayerOutput .* (1 - HiddenLayerOutput)) .* (outputWeights' * l2_delta);
           l1_v = mu * l1_v - l1_delta * t;
           % weights = weights + v
           outputWeights = outputWeights + (l2_v*HiddenLayerOutput');
           hiddenWeights = hiddenWeights + (l1_v*inputVector');
       end

Answer 1

从我们的谈话中得知，您想实施经典的动量方法（不是 Nestrov）。所以你需要一个额外的参数——速度 v 和 time t 和 momentum mu 常量。

刚开始学习的时候把速度设置为0 :

v = 0

并选择 t（例如将其设置为 0.1）和 mu（例如 0.9）的一些值。

在每次训练迭代期间，您应该根据以下规则更改权重：

v = mu * v - delta * t
weights = weights + v

参数mu和t是元参数，您可以通过网格或随机搜索找到它们的合适值。

在在线反向传播权重更新中添加动量项？

Adding momentum term in online back propagation weight update?

backpropagation

neural-network

momentum

feed-forward

deep-learning