知识卡片
神经元把加权和再变换
一个常见人工神经元先算 z=w·x+b,再输出 a=g(z)。后继单元可以读取这个 a,与其他输出组合。单个 Sigmoid 单元可表达二分类的 Logistic 模型,多个单元的网络由连接决定如何组合。
[[S形函数连接得分与概率]]。Sigmoid 线性分类单元可以作为更大网络的一项构件。
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
- 10.1.1 神经元的“内心世界” · 查看原书依据
第二个部分通常会选择一款非线性函数,称为激活函数(Activation Function,也常称为激励函数),对线性函数的输入结果进行非线性映射,然后将结果作为最终的输出。深度学习的神经网络同样采用这样的结构,Pytor
参考来源
- 位置:《机器学习算法的数学解析与Python实现》10.1.1 神经元的“内心世界”(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00104.html`)
- 结论依据:本节将单元拆为线性计算与非线性激活。
- 原始内容:第二个部分通常会选择一款非线性函数,称为激活函数(Activation Function,也常称为激励函数),对线性函数的输入结果进行非线性映射,然后将结果作为最终的输出。深度学习的神经网络同样采用这样的结构,Pytor