← 返回卡片

原书出处

深度学习

07 第7章 深度学习中的正则化

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.629Z

仍然是将领域知识有效地整合到网络架构的最佳范例之一。 我们将会在第9章中更详细地讨论卷积神经网络。 7.10 稀疏表示

前文所述的权重衰减直接惩罚模型参数。另一种策略是惩罚神经网络中的激活单元,稀疏化激活单元。这种策略间接地对模型参数施加了复杂惩罚。

我们已经讨论过(在第7.1.2节中)L 1 惩罚如何诱导稀疏的参数,即许多参数为零(或接近于零)。另一方面,表示的稀疏

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