知识卡片
非线性让层组合有用
输入层接收数据,隐藏层形成中间表示,输出层把表示转成任务所需输出。若两层都只是仿射映射,代入后一层仍可合并成一层。非线性激活使隐藏层能组合出新特征。但层数增多也增加求解成本,实际能力还取决于数据和训练。
[[神经元把加权和再变换]]。多层非线性组合扩展单元可表达的函数。
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
- 10.1.4 构成网络的魔力 · 查看原书依据
·其他神经元由于位于神经网络内部,既不直接接受输入,又不直接产生输出,所以统称为隐藏层。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》10.1.4 构成网络的魔力(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/text00107.html`)
- 结论依据:本节区分三类层,并讨论分散观察经多层汇合形成抽象表示。
- 原始内容:·其他神经元由于位于神经网络内部,既不直接接受输入,又不直接产生输出,所以统称为隐藏层。