知识卡片
反馈网络收敛到平衡态
反馈网络(又称递归网络、回归网络)与前向网络的区别是至少存在一个反馈环:某个神经元的输出被送回自身或其他神经元,形成封闭回路;极端情形是全连接,每条边双向,可用完全无向图表示。它的计算不是一次前向算完,而是把输入当作系统初始状态,让信号在网络中反复往返,状态不断改变,直至收敛到某个平衡状态,这个平衡态才是最终输出。因此反馈网络的输出是动态过程的不动点,稳定性与收敛速度成为核心问题,与前向网络“逐层函数复合”的确定性计算形成对照。
结构图:
flowchart TD
A["输入决定初始状态"] --> B["信号在节点间反复传递"]
B --> C["状态不断改变"]
C --> D{"是否收敛"}
D -- "否" --> B
D -- "是" --> E["平衡态即输出"]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 神经网络与深度学习 · 查看原书依据
在反馈网络中,输入信号决定整个反馈系统的初始状态,信号在神经元间反复往返传递,使得系统状态不断改变,然后逐渐收敛于平衡状态。
参考来源
- 位置:《大数据挖掘与统计机器学习》第6章 神经网络与深度学习(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter8_0001.xhtml,6.1.2 人工神经网络的结构)
- 结论依据:原文以反馈环、封闭回路定义反馈网络,并说明其输出是状态反复传递后收敛的平衡状态。
- 原始内容:在反馈网络中,输入信号决定整个反馈系统的初始状态,信号在神经元间反复往返传递,使得系统状态不断改变,然后逐渐收敛于平衡状态。