Gradient Descent in ReLU Neural Network Announcing the arrival of Valued Associate #679: Cesar Manara Planned maintenance scheduled April 23, 2019 at 23:30 UTC (7:30pm US/Eastern) 2019 Moderator Election Q&A - Questionnaire 2019 Community Moderator Election ResultsGradient Descent Step for word2vec negative samplingHow flexible is the link between objective function and output layer activation function?Deep Neural Network - Backpropogation with ReLUHow to implement gradient descent for a tanh() activation function for a single layer perceptron?Back Propagation Using MATLABBackpropagation with multiple different activation functionsGradient derivation reference for Phased LSTMProperly using activation functions of neural networkObtaining correctly gradient in neural network of output with respect to input. Is relu a bad option as the activation function?Gradient computation in neural networks

Simple Line in LaTeX Help!

My mentor says to set image to Fine instead of RAW — how is this different from JPG?

Does main washing effect of soap comes from foam?

malloc in main() or malloc in another function: allocating memory for a struct and its members

How many cards can I gain in a buy phase with a single buy?

Is continuity necessary?

Why shouldn't this prove the Prime Number Theorem?

Does the Mueller report show a conspiracy between Russia and the Trump Campaign?

A proverb that is used to imply that you have unexpectedly faced a big problem

Is it dangerous to install hacking tools on my private linux machine?

2018 MacBook Pro won't let me install macOS High Sierra 10.13 from USB installer

Nose gear failure in single prop aircraft: belly landing or nose landing?

How can I regain a professional atmosphere with someone who may have seen me misbehave?

Found this skink in my tomato plant bucket. Is he trapped? Or could he leave if he wanted?

How do Java 8 default methods hеlp with lambdas?

How does light 'choose' between wave and particle behaviour?

Random body shuffle every night—can we still function?

Can humans save crash-landed aliens?

Sally's older brother

Monty Hall Problem-Probability Paradox

How to evaluate this function?

Why not send Voyager 3 and 4 following up the paths taken by Voyager 1 and 2 to re-transmit signals of later as they fly away from Earth?

General mathematical model of incomplete contracts?

Center of mass, universe



Gradient Descent in ReLU Neural Network



Announcing the arrival of Valued Associate #679: Cesar Manara
Planned maintenance scheduled April 23, 2019 at 23:30 UTC (7:30pm US/Eastern)
2019 Moderator Election Q&A - Questionnaire
2019 Community Moderator Election ResultsGradient Descent Step for word2vec negative samplingHow flexible is the link between objective function and output layer activation function?Deep Neural Network - Backpropogation with ReLUHow to implement gradient descent for a tanh() activation function for a single layer perceptron?Back Propagation Using MATLABBackpropagation with multiple different activation functionsGradient derivation reference for Phased LSTMProperly using activation functions of neural networkObtaining correctly gradient in neural network of output with respect to input. Is relu a bad option as the activation function?Gradient computation in neural networks










3












$begingroup$


I’m new to machine learning and recently facing a problem on back propagation of training a neural network using ReLU activation function shown in the figure. My problem is to update the weights matrices in the hidden and output layers.



The cost function is given as:



$J(Theta) = sumlimits_i=1^2 frac12 left(a_i^(3) - y_iright)^2$



where $y_i$ is the $i$-th output from output layer.



enter image description here



Using the gradient descent algorithm, the weights matrices can be updated by:



$Theta_jk^(2) := Theta_jk^(2) - alphafracpartial J(Theta)partial Theta_jk^(2)$



$Theta_ij^(3) := Theta_ij^(3) - alphafracpartial J(Theta)partial Theta_ij^(3)$



I understand how to update the weight matrix at output layer $Theta_ij^(3)$, however I don’t know how to update that from the input layer to hidden layer $Theta_jk^(2)$ involving the ReLU activation units, i.e. not understanding how to get $fracpartial J(Theta)partial Theta_jk^(2)$.



Can anyone help me understand how to derive the gradient on the cost function...?










share|improve this question







New contributor




kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
Check out our Code of Conduct.







$endgroup$
















    3












    $begingroup$


    I’m new to machine learning and recently facing a problem on back propagation of training a neural network using ReLU activation function shown in the figure. My problem is to update the weights matrices in the hidden and output layers.



    The cost function is given as:



    $J(Theta) = sumlimits_i=1^2 frac12 left(a_i^(3) - y_iright)^2$



    where $y_i$ is the $i$-th output from output layer.



    enter image description here



    Using the gradient descent algorithm, the weights matrices can be updated by:



    $Theta_jk^(2) := Theta_jk^(2) - alphafracpartial J(Theta)partial Theta_jk^(2)$



    $Theta_ij^(3) := Theta_ij^(3) - alphafracpartial J(Theta)partial Theta_ij^(3)$



    I understand how to update the weight matrix at output layer $Theta_ij^(3)$, however I don’t know how to update that from the input layer to hidden layer $Theta_jk^(2)$ involving the ReLU activation units, i.e. not understanding how to get $fracpartial J(Theta)partial Theta_jk^(2)$.



    Can anyone help me understand how to derive the gradient on the cost function...?










    share|improve this question







    New contributor




    kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
    Check out our Code of Conduct.







    $endgroup$














      3












      3








      3





      $begingroup$


      I’m new to machine learning and recently facing a problem on back propagation of training a neural network using ReLU activation function shown in the figure. My problem is to update the weights matrices in the hidden and output layers.



      The cost function is given as:



      $J(Theta) = sumlimits_i=1^2 frac12 left(a_i^(3) - y_iright)^2$



      where $y_i$ is the $i$-th output from output layer.



      enter image description here



      Using the gradient descent algorithm, the weights matrices can be updated by:



      $Theta_jk^(2) := Theta_jk^(2) - alphafracpartial J(Theta)partial Theta_jk^(2)$



      $Theta_ij^(3) := Theta_ij^(3) - alphafracpartial J(Theta)partial Theta_ij^(3)$



      I understand how to update the weight matrix at output layer $Theta_ij^(3)$, however I don’t know how to update that from the input layer to hidden layer $Theta_jk^(2)$ involving the ReLU activation units, i.e. not understanding how to get $fracpartial J(Theta)partial Theta_jk^(2)$.



      Can anyone help me understand how to derive the gradient on the cost function...?










      share|improve this question







      New contributor




      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.







      $endgroup$




      I’m new to machine learning and recently facing a problem on back propagation of training a neural network using ReLU activation function shown in the figure. My problem is to update the weights matrices in the hidden and output layers.



      The cost function is given as:



      $J(Theta) = sumlimits_i=1^2 frac12 left(a_i^(3) - y_iright)^2$



      where $y_i$ is the $i$-th output from output layer.



      enter image description here



      Using the gradient descent algorithm, the weights matrices can be updated by:



      $Theta_jk^(2) := Theta_jk^(2) - alphafracpartial J(Theta)partial Theta_jk^(2)$



      $Theta_ij^(3) := Theta_ij^(3) - alphafracpartial J(Theta)partial Theta_ij^(3)$



      I understand how to update the weight matrix at output layer $Theta_ij^(3)$, however I don’t know how to update that from the input layer to hidden layer $Theta_jk^(2)$ involving the ReLU activation units, i.e. not understanding how to get $fracpartial J(Theta)partial Theta_jk^(2)$.



      Can anyone help me understand how to derive the gradient on the cost function...?







      neural-network gradient-descent activation-function






      share|improve this question







      New contributor




      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.











      share|improve this question







      New contributor




      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.









      share|improve this question




      share|improve this question






      New contributor




      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.









      asked 7 hours ago









      kelvinchengkelvincheng

      161




      161




      New contributor




      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.





      New contributor





      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.






      kelvincheng is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
      Check out our Code of Conduct.




















          0






          active

          oldest

          votes












          Your Answer








          StackExchange.ready(function()
          var channelOptions =
          tags: "".split(" "),
          id: "557"
          ;
          initTagRenderer("".split(" "), "".split(" "), channelOptions);

          StackExchange.using("externalEditor", function()
          // Have to fire editor after snippets, if snippets enabled
          if (StackExchange.settings.snippets.snippetsEnabled)
          StackExchange.using("snippets", function()
          createEditor();
          );

          else
          createEditor();

          );

          function createEditor()
          StackExchange.prepareEditor(
          heartbeatType: 'answer',
          autoActivateHeartbeat: false,
          convertImagesToLinks: false,
          noModals: true,
          showLowRepImageUploadWarning: true,
          reputationToPostImages: null,
          bindNavPrevention: true,
          postfix: "",
          imageUploader:
          brandingHtml: "Powered by u003ca class="icon-imgur-white" href="https://imgur.com/"u003eu003c/au003e",
          contentPolicyHtml: "User contributions licensed under u003ca href="https://creativecommons.org/licenses/by-sa/3.0/"u003ecc by-sa 3.0 with attribution requiredu003c/au003e u003ca href="https://stackoverflow.com/legal/content-policy"u003e(content policy)u003c/au003e",
          allowUrls: true
          ,
          onDemand: true,
          discardSelector: ".discard-answer"
          ,immediatelyShowMarkdownHelp:true
          );



          );






          kelvincheng is a new contributor. Be nice, and check out our Code of Conduct.









          draft saved

          draft discarded


















          StackExchange.ready(
          function ()
          StackExchange.openid.initPostLogin('.new-post-login', 'https%3a%2f%2fdatascience.stackexchange.com%2fquestions%2f49666%2fgradient-descent-in-relu-neural-network%23new-answer', 'question_page');

          );

          Post as a guest















          Required, but never shown

























          0






          active

          oldest

          votes








          0






          active

          oldest

          votes









          active

          oldest

          votes






          active

          oldest

          votes








          kelvincheng is a new contributor. Be nice, and check out our Code of Conduct.









          draft saved

          draft discarded


















          kelvincheng is a new contributor. Be nice, and check out our Code of Conduct.












          kelvincheng is a new contributor. Be nice, and check out our Code of Conduct.











          kelvincheng is a new contributor. Be nice, and check out our Code of Conduct.














          Thanks for contributing an answer to Data Science Stack Exchange!


          • Please be sure to answer the question. Provide details and share your research!

          But avoid


          • Asking for help, clarification, or responding to other answers.

          • Making statements based on opinion; back them up with references or personal experience.

          Use MathJax to format equations. MathJax reference.


          To learn more, see our tips on writing great answers.




          draft saved


          draft discarded














          StackExchange.ready(
          function ()
          StackExchange.openid.initPostLogin('.new-post-login', 'https%3a%2f%2fdatascience.stackexchange.com%2fquestions%2f49666%2fgradient-descent-in-relu-neural-network%23new-answer', 'question_page');

          );

          Post as a guest















          Required, but never shown





















































          Required, but never shown














          Required, but never shown












          Required, but never shown







          Required, but never shown

































          Required, but never shown














          Required, but never shown












          Required, but never shown







          Required, but never shown







          Popular posts from this blog

          Францішак Багушэвіч Змест Сям'я | Біяграфія | Творчасць | Мова Багушэвіча | Ацэнкі дзейнасці | Цікавыя факты | Спадчына | Выбраная бібліяграфія | Ушанаванне памяці | У філатэліі | Зноскі | Літаратура | Спасылкі | НавігацыяЛяхоўскі У. Рупіўся дзеля Бога і людзей: Жыццёвы шлях Лявона Вітан-Дубейкаўскага // Вольскі і Памідораў з песняй пра немца Адвакат, паэт, народны заступнік Ашмянскі веснікВ Минске появится площадь Богушевича и улица Сырокомли, Белорусская деловая газета, 19 июля 2001 г.Айцец беларускай нацыянальнай ідэі паўстаў у бронзе Сяргей Аляксандравіч Адашкевіч (1918, Мінск). 80-я гады. Бюст «Францішак Багушэвіч».Яўген Мікалаевіч Ціхановіч. «Партрэт Францішка Багушэвіча»Мікола Мікалаевіч Купава. «Партрэт зачынальніка новай беларускай літаратуры Францішка Багушэвіча»Уладзімір Іванавіч Мелехаў. На помніку «Змагарам за родную мову» Барэльеф «Францішак Багушэвіч»Памяць пра Багушэвіча на Віленшчыне Страчаная сталіца. Беларускія шыльды на вуліцах Вільні«Krynica». Ideologia i przywódcy białoruskiego katolicyzmuФранцішак БагушэвічТворы на knihi.comТворы Францішка Багушэвіча на bellib.byСодаль Уладзімір. Францішак Багушэвіч на Лідчыне;Луцкевіч Антон. Жыцьцё і творчасьць Фр. Багушэвіча ў успамінах ягоных сучасьнікаў // Запісы Беларускага Навуковага таварыства. Вільня, 1938. Сшытак 1. С. 16-34.Большая российская1188761710000 0000 5537 633Xn9209310021619551927869394п

          Беларусь Змест Назва Гісторыя Геаграфія Сімволіка Дзяржаўны лад Палітычныя партыі Міжнароднае становішча і знешняя палітыка Адміністрацыйны падзел Насельніцтва Эканоміка Культура і грамадства Сацыяльная сфера Узброеныя сілы Заўвагі Літаратура Спасылкі НавігацыяHGЯOiТоп-2011 г. (па версіі ej.by)Топ-2013 г. (па версіі ej.by)Топ-2016 г. (па версіі ej.by)Топ-2017 г. (па версіі ej.by)Нацыянальны статыстычны камітэт Рэспублікі БеларусьШчыльнасць насельніцтва па краінахhttp://naviny.by/rubrics/society/2011/09/16/ic_articles_116_175144/А. Калечыц, У. Ксяндзоў. Спробы засялення краю неандэртальскім чалавекам.І ў Менску былі мамантыА. Калечыц, У. Ксяндзоў. Старажытны каменны век (палеаліт). Першапачатковае засяленне тэрыторыіГ. Штыхаў. Балты і славяне ў VI—VIII стст.М. Клімаў. Полацкае княства ў IX—XI стст.Г. Штыхаў, В. Ляўко. Палітычная гісторыя Полацкай зямліГ. Штыхаў. Дзяржаўны лад у землях-княствахГ. Штыхаў. Дзяржаўны лад у землях-княствахБеларускія землі ў складзе Вялікага Княства ЛітоўскагаЛюблінская унія 1569 г."The Early Stages of Independence"Zapomniane prawdy25 гадоў таму было аб'яўлена, што Язэп Пілсудскі — беларус (фота)Наша вадаДакументы ЧАЭС: Забруджванне тэрыторыі Беларусі « ЧАЭС Зона адчужэнняСведения о политических партиях, зарегистрированных в Республике Беларусь // Министерство юстиции Республики БеларусьСтатыстычны бюлетэнь „Полаўзроставая структура насельніцтва Рэспублікі Беларусь на 1 студзеня 2012 года і сярэднегадовая колькасць насельніцтва за 2011 год“Индекс человеческого развития Беларуси — не было бы нижеБеларусь занимает первое место в СНГ по индексу развития с учетом гендерного факцёраНацыянальны статыстычны камітэт Рэспублікі БеларусьКанстытуцыя РБ. Артыкул 17Трансфармацыйныя задачы БеларусіВыйсце з крызісу — далейшае рэфармаванне Беларускі рубель — сусветны лідар па дэвальвацыяхПра змену коштаў у кастрычніку 2011 г.Бядней за беларусаў у СНД толькі таджыкіСярэдні заробак у верасні дасягнуў 2,26 мільёна рублёўЭканомікаГаласуем за ТОП-100 беларускай прозыСучасныя беларускія мастакіАрхитектура Беларуси BELARUS.BYА. Каханоўскі. Культура Беларусі ўсярэдзіне XVII—XVIII ст.Анталогія беларускай народнай песні, гуказапісы спеваўБеларускія Музычныя IнструментыБеларускі рок, які мы страцілі. Топ-10 гуртоў«Мясцовы час» — нязгаслая легенда беларускай рок-музыкіСЯРГЕЙ БУДКІН. МЫ НЯ ЗНАЕМ СВАЁЙ МУЗЫКІМ. А. Каладзінскі. НАРОДНЫ ТЭАТРМагнацкія культурныя цэнтрыПублічная дыскусія «Беларуская новая пьеса: без беларускай мовы ці беларуская?»Беларускія драматургі па-ранейшаму лепш ставяцца за мяжой, чым на радзіме«Працэс незалежнага кіно пайшоў, і дзяржаву турбуе яго непадкантрольнасць»Беларускія філосафы ў пошуках прасторыВсе идём в библиотекуАрхіваванаАб Нацыянальнай праграме даследавання і выкарыстання касмічнай прасторы ў мірных мэтах на 2008—2012 гадыУ космас — разам.У суседнім з Барысаўскім раёне пабудуюць Камандна-вымяральны пунктСвяты і абрады беларусаў«Мірныя бульбашы з малой краіны» — 5 непраўдзівых стэрэатыпаў пра БеларусьМ. Раманюк. Беларускае народнае адзеннеУ Беларусі скарачаецца колькасць злачынстваўЛукашэнка незадаволены мінскімі ўладамі Крадзяжы складаюць у Мінску каля 70% злачынстваў Узровень злачыннасці ў Мінскай вобласці — адзін з самых высокіх у краіне Генпракуратура аналізуе стан са злачыннасцю ў Беларусі па каэфіцыенце злачыннасці У Беларусі стабілізавалася крымінагеннае становішча, лічыць генпракурорЗамежнікі сталі здзяйсняць у Беларусі больш злачынстваўМУС Беларусі турбуе рост рэцыдыўнай злачыннасціЯ з ЖЭСа. Дазволіце вас абкрасці! Рэйтынг усіх службаў і падраздзяленняў ГУУС Мінгарвыканкама вырасАб КДБ РБГісторыя Аператыўна-аналітычнага цэнтра РБГісторыя ДКФРТаможняagentura.ruБеларусьBelarus.by — Афіцыйны сайт Рэспублікі БеларусьСайт урада БеларусіRadzima.org — Збор архітэктурных помнікаў, гісторыя Беларусі«Глобус Беларуси»Гербы и флаги БеларусиАсаблівасці каменнага веку на БеларусіА. Калечыц, У. Ксяндзоў. Старажытны каменны век (палеаліт). Першапачатковае засяленне тэрыторыіУ. Ксяндзоў. Сярэдні каменны век (мезаліт). Засяленне краю плямёнамі паляўнічых, рыбакоў і збіральнікаўА. Калечыц, М. Чарняўскі. Плямёны на тэрыторыі Беларусі ў новым каменным веку (неаліце)А. Калечыц, У. Ксяндзоў, М. Чарняўскі. Гаспадарчыя заняткі ў каменным векуЭ. Зайкоўскі. Духоўная культура ў каменным векуАсаблівасці бронзавага веку на БеларусіФарміраванне супольнасцей ранняга перыяду бронзавага векуФотографии БеларусиРоля беларускіх зямель ва ўтварэнні і ўмацаванні ВКЛВ. Фадзеева. З гісторыі развіцця беларускай народнай вышыўкіDMOZGran catalanaБольшая российскаяBritannica (анлайн)Швейцарскі гістарычны15325917611952699xDA123282154079143-90000 0001 2171 2080n9112870100577502ge128882171858027501086026362074122714179пппппп

          Герб Смалявічаў Апісанне | Спасылкі | НавігацыяГерб города Смолевичип