← 返回卡片

原书出处

深度学习

06 第6章 深度前馈网络

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.627Z

1) 是线性的,那么前馈网络作为一个整体对于输入仍然是线性的。暂时忽略截距项,假设 。我们可以将这个函数重新表示成 。

显然,我们必须用非线性函数来描述这些特征。大多数神经网络通过仿射变换之后紧跟着一个被称为激活函数的固定非线性函数来实现这个目标,其中仿射变换由学得的参数控制。

我们这里使用这种策略,定义 ,其中 是线性变换的权重矩阵, c 是偏置。此前,为了描述线性回归模型,我们使用权重向量和一

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/深度学习/_epub-src/text/part0002.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639