知识卡片
神经元以加权和接非线性
人工神经元对输入及权重计算加权和,再经激活函数形成输出,多个神经元连接成网络。这个结构把矩阵/向量运算与非线性处理结合起来,为硬件设计提示不同计算单元需求。示意不是完整生物神经机制,也不因层数或计算量增加就保证预测精度单调提升。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 异构加速
原书出处 · 1 处
- 异构加速 · 查看原书依据
人工神经元只计算一组权重与数值乘积的总和,然后通过非线性函数确定其输出。如图7.26(b)所示,多组神经元组成分层的神经网络,并且每个人工神经元都有非常大的扇入和非常大的扇出。在早期计算机性能比较差、数据量比较少的时候,大多数神经网络层数都比较少。随着计算机性能的快速提升及大数据的爆发,2
参考来源
- 位置:《软硬件融合 (黄朝波 著)》第7章《异构加速》(来源项目book-sources;源文件:extracted/软硬件融合 (黄朝波 著)/_epub-src/OEBPS/Text/chapter014.xhtml)
- 结论依据:该项对“人工神经元对输入及权重计算加权和,再经激活函数形成输出,多个神经元连接成网络”给出定义、对比、案例或条件;保留论证范围,不将启发式当无条件定律。
- 原始内容:人工神经元只计算一组权重与数值乘积的总和,然后通过非线性函数确定其输出。如图7.26(b)所示,多组神经元组成分层的神经网络,并且每个人工神经元都有非常大的扇入和非常大的扇出。在早期计算机性能比较差、数据量比较少的时候,大多数神经网络层数都比较少。随着计算机性能的快速提升及大数据的爆发,2