卷積反向傳播

Question

我在理解卷積層中反向傳播如何工作時遇到了一些麻煩。事實上，在計算隱藏層中的錯誤之後，我們可以將其表示爲錯誤圖像。但在此之後，我如何更新內核？

予給在下面的圖的例子：我們有一個圖像誤差（L + 1）（與計算出的反向傳播）與相關聯的內核K

連接到母體的輸出（L）的位置（x，y）時，誤差爲：err = e1.k'1 + e2.k'2 + ... + e9.k'9（k'（1 + 1）中核的係數）。所以，如果我們沒有一刻，沒有激活的功能，並沒有學習率，則K的修正將是：

K1 = K1 + ERR * E1

K2 = K2 + ERR * E2

...

這是第一個解釋是否正確？那麼，如何提出錯誤？我們只在（x，y）位置或（x + kx，y + ky）位置用（kx，ky）濾波器K位置傳播誤差嗎？

http://i.stack.imgur.com/vBJyZ.png

Answer 1

反向傳播的作品在卷積網絡就像它是如何工作的深層神經網絡。唯一的區別是由於卷積過程中的權重共享機制，應用於卷積層中權重的更新量也是共享的。