知识卡片

普通读书笔记卡 · 5605.c

网络结构表达不同依赖

理解等级:中级

前馈网络的单次计算沿无环连接向前;循环网络以状态表达序列依赖,展开到时间轴后需区分各时刻状态。卷积网络以局部核与共享参数处理空间模式。

隐藏层指输入与输出之间的内部层,不是完全“不与输入输出相连”。训练数据可把偏差带入输出,类别数少也不意味着分类与一般降维是同一任务。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 14.2 机器学习 · 查看原书依据

      有一种序列逻辑变体称为递归神经网络,不是一个DAG,这意味着一层神经元的输出可以与前一层神经元的输入相连接。输出的存储和整个混乱的时钟是阻止它爆炸的原因。这些类型的网络在处理输入序列方面表现良好,例如处理笔迹和语音识别。 另一种对图像处理特别有用的神经网络变体

    参考来源

    - 位置:《计算机系统解密》14.2 机器学习(来源项目book-sources,源文件:extracted/计算机系统解密/_epub-src/text/part0141.html) - 结论依据:本项全部正文与图表实际读取,区分作者示例、推导与实现边界;纠错另有明确说明。 - 原始内容:有一种序列逻辑变体称为递归神经网络,不是一个DAG,这意味着一层神经元的输出可以与前一层神经元的输入相连接。输出的存储和整个混乱的时钟是阻止它爆炸的原因。这些类型的网络在处理输入序列方面表现良好,例如处理笔迹和语音识别。 另一种对图像处理特别有用的神经网络变体