← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-14T04:52:36.676Z

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

此预览只包含定位所需的摘录和上下文。

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