如何修改标准多层网络的反向传播，包括每层的标量增益？
How to modify backpropagation for a standard multilayer network including a scalar gain at each layer?
考虑一个标准的多层网络，每层都有一个标量增益。第 m 层的净输入将计算为：
n^m = β^m [W^m α^m − 1 + b^m]
其中 β^m 是第 m 层的标量增益。该增益将像网络的权重和偏差一样进行训练。
我如何修改这个新网络的反向传播算法？
添加什么新方程来更新 β^m ？
这是来自 book 的练习。
E11.13
神经网络设计（第 2 版）- Martin T. Hagan、Howard B. Demuth、Mark H. Beale、Orlando De Jesus
我用 LaTeX 写了答案
考虑一个标准的多层网络，每层都有一个标量增益。第 m 层的净输入将计算为： n^m = β^m [W^m α^m − 1 + b^m]
其中 β^m 是第 m 层的标量增益。该增益将像网络的权重和偏差一样进行训练。
我如何修改这个新网络的反向传播算法？
添加什么新方程来更新 β^m ？
这是来自 book 的练习。
E11.13
神经网络设计（第 2 版）- Martin T. Hagan、Howard B. Demuth、Mark H. Beale、Orlando De Jesus
我用 LaTeX 写了答案