LeetCode - 神经网络的 反向传播(Sigmoid + MSE) 教程
欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/146085177
使用 Python + Numpy，设计带有 Sigmoid 激活函数 的神经网络，实现反向传播以更新神经元的权重和偏置。函数输入：特征向量(Input)、真实标签(Label)、初始权重(Weight)、初始偏置(Bias)、学习率(LR)、训练轮数(Epoch)。基于 均方误差(MSE) 损失，使用梯度下降法，更新权重和偏置。函数输出：更新后的权重、偏置、每一轮训练的 MSE 值列表，每个 MSE 值保留四位小数。
即：
- 输入特征向量，通过 Sigmoid 激活计算预测值
- 基于预测值和标签，计算均方误差(MSE)损失
- 以及相对于权重和偏置的梯度</