← 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 2026-11-19T07:27:03.628Z

)(参见第10.11.1节),另一种解决方法是启发式缩放梯度(Murray and Larochelle,2014)。

高斯混合输出在语音生成模型(Schuster,1999)和物理运动(Graves,2013)中特别有效。混合密度策略为网络提供了一种方法来表示多种输出模式,并且控制输出的方差,这对于在这些实数域中获得高质量的结果是至关重要的。

混合密度网络的一个实例如图6.4所示。 一般地,我们可能希望继续对包含更多变量的、更大的向量 y 来建模,并在这些输出变

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