原书出处
人工智能与计算生物的未来 (【美】布赖恩·希尔布什)
2 人工智能的新时代 从视觉连接到可学习的非线性表示
上,由输入数据乘以边权值求和得到输出神经元的数值。
神经网络的另一个重要特征是激活函数的引入。那些输入的和值会通过非线性函数的修正得到最终的输出。非线性函数可能是tanh(x)或S形函数,例如exp(x)/[exp(x)+1]。因此,人工神经网络中的神经元可以被理解为简单加权分类
器叠加上用于输出修正的挤压函数。如果输入数据中存在
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml
EPUB SHA-256:ec327aeb889eb10db2679684f81b0d290022b975085b0fed9dc9b46c133490bd