知识卡片
线性层叠加仍可合并
两个仿射变换串联,可以用两组权重的矩阵乘积与合并偏置表示成一次仿射变换。想通过增加层数扩展分类边界的形状,要在层之间加入真正的非线性。
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
- 神经网络基础 神经元、激活与异或 · 查看原书依据
作用的激活函数大多是非线性的,线性激活函数在理论上无法给多层神经网络带来好处。神经元结构可以有多种变化,非常灵活,如可顺序或并行连
参考来源
- 位置:《机器学习基础》第12章,12.1 神经元模型(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter79.xhtml)
- 结论依据:原文借「线性激活函数在理论上无法给多层神经网络带来好处」处的论述给出本卡所解释的关系或做法。
- 原始内容:作用的激活函数大多是非线性的,线性激活函数在理论上无法给多层神经网络带来好处。神经元结构可以有多种变化,非常灵活,如可顺序或并行连