前向传播模型
一般我们使用的公式是：
\[a=\frac{1}{1+\exp \left(-\left(w^{T} x+b\right)\right)} = \frac{1}{1+\exp \left(-\left[w^{T} \quad b\right] \cdot[x \quad 1]\right)}
\]
对于隐层有多个神经元的情况就是：
\[\begin{array}{l}{a_{1}=\frac{1}{1+\exp \left(w^{(1) T} x+b_{1}\right)}} \\ {\vdots} \\ {a_{m}=\frac{1}{1+\exp \left(w^{(m) T} x+b_{m}\right)}}\end{array}
\]
记为：\(z=W x+b\)
\[\left[ \begin{array}{c}{a^{(1)}} \\ {\vdots} \\ {a^{(m)}}\end{array}\right]=\sigma(z)=\sigma(W x+b)
\]
反向传播中的微积分计算
现在假设我们有一个三层神经网络，我们简单的表示成：
\[C\left(w_{1}, b_{1}, w_{2}, b_{2}, w_{3}, b_{3}\right)
\]
我们需要调整的就是这些变量，我们的目的就是希望这些变量作为参数，损失函数梯度下降的最快，
现在假设我们每层只有一个神经元，我们将神经网络最后一层得神经元用 \(a^{(L)}\)来表示，这一个损失函数我们可以表示成：\(\operatorname{cost} \longrightarrow C_{0}(\ldots)=\left(a^{(L)}-y\right)^{2}\)
我们从倒数第二层 \(a^{(L-1)}\) 到 \(a^{(L)}\) 层的时候，由下面的公示的得到：
\[\begin{aligned} z^{(L)} &=w^{(L)} a^{(L-1)}+b^{(L)} \\ a^{(L)} &=\sigma\left(z^{(L)}\right) \end{aligned}
\]
这个是前向传播的公式：现在我们想要损失函数下降的越快，那么 \(C\) 对 \(w\) 越敏感，下降得越快。这里我们将上面的求导用链式法则，只是简单的列出来，
\[\frac{\partial C_{0}}{\partial w^{(L)}}=\frac{\partial z^{(L)}}{\partial w^{(L)}} \frac{\partial a^{(L)}}{\partial z^{(L)}} \frac{\partial C 0}{\partial a^{(L)}}
\]
现在我们分别对上面公式后面的三个求导：
\[\begin{aligned} \frac{\partial C_0}{\partial a^{(L)}} &=2\left(a^{(L)}-y\right) \\ \frac{\partial a^{(L)}}{\partial z^{(L)}} &=\sigma^{\prime}\left(z^{(L)}\right) \\ \frac{\partial z^{(L)}}{\partial w^{(L)}} &=a^{(L-1)} \end{aligned}
\]
然后我们得到下面的公式：
\[\frac{\partial C_{0}}{\partial w^{(L)}}=\frac{\partial z^{(L)}}{\partial w^{(L)}} \frac{\partial a^{(L)}}{\partial z^{(L)}} \frac{\partial C _{0}}{\partial a^{(L)}}=a^{(L-1)} \sigma^{\prime}\left(z^{(L)}\right) 2\left(a^{(L)}-y\right)
\]
对于这个式子，说明了梯度与哪些因素相关：由于上面的式子，我们只考虑了最终输出的一个元素，由于最后的网络输出的是一层，所以最后一层的神经元求得偏置应该是：
\[\frac{\partial C}{\partial w^{(L)}}=\frac{1}{n} \sum_{k=0}^{n-1} \frac{\partial C_{k}}{\partial w^{(L)}}
\]
上述只是对一个偏置 \(w(L)\) 求梯度，而我们要对所有的偏置求梯度，那就是：
\[\nabla C=\left[ \begin{array}{c}{\frac{\partial C}{\partial w^{(1)}}} \\ {\frac{\partial C}{\partial b^{(1)}}} \\ {\vdots} \\ {\frac{\partial C}{\partial w^{(L)}}} \\ {\frac{\partial C}{\partial b^{(L)}}}\end{array}\right]
\]
每层有多个神经元时
前面我们假设的是每层只有一个神经元，现在我们假设每层有多个神经元，我们表示神经网络如下：
我们下一层的计算方法本质上是一样的：
\[z_{j}^{(L)}=w_{j 0}^{(L)} a_{0}^{(L-1)}+w_{j 1}^{(L)} a_{1}^{(L-1)}+w_{j 2}^{(L)} a_{2}^{(L-1)}+b_{j}^{(L)}
\]
\[a_{j}^{(L)}=\sigma\left(z_{j}^{(L)}\right)
\]
上面的公式如果写成向量的形式，本质上与每层只有一个神经元是一样的。
此时我们的损失函数就是：
\[C_{0}=\sum_{j=0}^{n_{L}-1}\left(a_{j}^{(L)}-y_{j}\right)^{2}
\]
损失函数对偏置求导：
\[\frac{\partial C_{0}}{\partial w_{j k}^{(L)}}=\frac{\partial z_{j}^{(L)}}{\partial w_{j k}^{(L)}} \frac{\partial a_{j}^{(L)}}{\partial z_{j}^{(L)}} \frac{\partial C_{0}}{\partial a_{j}^{(L)}}
\]
这个公式和每层只有一个神经元本质是一样的。
这里我们求的是最后一层，而反向传播的本质是要不断的向后，也就是从最后一层到倒数第二层，一直反向。上面我们求的是倒数第二层到最后一层的 \(w_{j k}^{(L)}\) 对最后一层损失函数的影响，那么再往后该怎么计算呢？所以我们要知道倒数第二层的期望值，所以我们用最后一层对倒数第二层求偏导：
\[\frac{\partial C_{0}}{\partial a_{k}^{(L-1)}}=\sum_{j=0}^{n_{L}-1} \frac{\partial z_{j}^{(L)}}{\partial a_{k}^{(L-1)}} \frac{\partial a_{j}^{(L)}}{\partial z_{j}^{(L)}} \frac{\partial C_{0}}{\partial a_{j}^{(L)}}
\]
这样我们可以得到期望的 \(a ^{(L-1)}\), 也就算到了倒数第二层，然后我们再用这一层继续往后修正神经网络中的参数就可以了。
本质上就是，每一层的损失函数有三个参数：
\[\begin{aligned} z^{(L)} &=w^{(L)} a^{(L-1)}+b^{(L)} \\ a^{(L)} &=\sigma\left(z^{(L)}\right) \end{aligned}
\]
分别是 \(w^{(L)}\) 和 \(a^{(L-1)}\) 以及$ b^{(L)}$. 所以我们对他们三个求偏导，也就是梯度下降求最优解来优化这三个参数。
