山东大学人工智能导论实验2工程文件-前向传播和反向传播 详解博客地址：https://blog.csdn.net/m0_52316372/article/details/125626360 内容： 假设X有n个样本，属于m=3个类别, a^m表示样本属于第m类的概率，请实现 的三次前向传播及反向传播(更新参数ω和b)，每次反向传播结束后更新并输出参数ω和b的值，计算cross entropy loss，其中σ(∙)表示sigmoid函数。 目标： 理解前向传播和反向传播 应用作业一中提到的基本操作 代码要求： 按代码模板实现函数功能 文档要求： 前向传播及反向传播涉及到的公式计算（参考） 粘贴代码输出结果截图。

神经网络的前向传播和反向传播推导 x1x_{1}x1​和x2x_{2}x2​表示输入 wijw_{ij}wij​表示权重 bijb_{ij}bij​表示偏置 σi\sigma_{i}σi​表示激活函数，这里使用sigmoid激活函数 outoutout表示输出 yyy表示真实值 η\etaη表示学习率 前向传播 h1=w11x1+w13x2+b11h_{1}=w_{11}x_{1}+w_{13}x_{2}+b_{11}h1​=w11​x1​+w13​x2​+b11​，α1=σ(h1)=11+e−h1\alpha_{1}=\sigma(h1)=\frac{1}{1+e^{-h1}}α1​=σ(