Working Backwards

Chain Rule


연쇄법칙(chain rule)은 가중치가 손실에 미치는 영향을 가중합, 활성함수, 손실의 국소 미분으로 나누어 곱한다. 출력 쪽에서 구한 δ = ∂L/∂z를 한 번 계산하면 모든 가중치와 절편의 미분에 다시 쓴다.

세 단계의 곱∂L/∂wⱼ = (∂L/∂a)(∂a/∂z)(∂z/∂wⱼ)이며 마지막 항은 xⱼ다.
δ의 재사용δ = (∂L/∂a)g′(z)이면 ∂L/∂wⱼ = δxⱼ, ∂L/∂b = δ다.
ReLU의 미분z > 0이면 1, z < 0이면 0이라 음수 구간에서는 미분이 전달되지 않는다.

가중치의 영향은 경로 위 국소 미분의 곱이다

뉴런 하나 z = wx, a = g(z), L = ½(a − 1)²에서 w, x, 활성함수를 바꾸면 세 국소 미분과 그 곱, 중앙차분으로 잰 값이 함께 바뀐다.

위 줄은 순전파 값, 아래 빨간 글자는 각 연결의 국소 미분이다. 오른쪽에서 왼쪽으로 곱하면 ∂L/∂w가 된다.

δ를 한 번 구하면 모든 가중치와 절편의 미분에 재사용한다

x = (1, 2, −1), w = (0.5, 0.5, −0.5), 정답 y = 1인 ReLU 뉴런에서 절편 b를 바꾸면 z의 부호와 δ, 네 매개변수의 미분이 함께 바뀐다.

행은 매개변수다. 모든 행이 같은 δ에 입력 성분 xⱼ(절편은 1)을 곱한다. 빨간 글자는 0이 된 미분이다.