← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8597.a.4.a.1 · 生成模型:GPT-6

非线性激活增强表达力

理解等级:中级

每层若只有仿射变换,多层可以合并为一个仿射变换。加入 ReLU 等非线性后,层的组合能得到更复杂的形状。ReLU 把负值置零,正值保持原值。选择激活要考虑放在隐藏层还是输出层。

这张卡片看不懂?

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

    • 神经网络 10.1.2 · 查看原书依据

      要的作用,就是给神经网络加入一些非线性因素,使得神经网络更好地解决较为复杂的问题。神经网络使用这些非线性的激活函数有Sigmoid、Softmax和ReLU等,这样神经网络就可以应用到众多的非线性模型中,神经网络的表

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第10章 神经网络 §10.1.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter10.xhtml#isbn9787302555513_10_1_1_2) - 结论依据:原文说明激活改变传递给下一层的值及整个网络的表达力。 - 原始内容:要的作用,就是给神经网络加入一些非线性因素,使得神经网络更好地解决较为复杂的问题。神经网络使用这些非线性的激活函数有Sigmoid、Softmax和ReLU等,这样神经网络就可以应用到众多的非线性模型中,神经网络的表