知识卡片

普通读书笔记卡 · 10071.b · 生成模型:GPT-6

仿射输入和随机初值

理解等级:中级

固定权重时加权输入对数据是仿射的,固定数据时对权重和偏置也是仿射的。这个局部性质使参数求导简洁。二次函数为最小二乘提供直觉,阶跃与 Sigmoid 展示硬判定和光滑激活的差别。书中还以正态随机数产生初始参数,均值决定中心、标准差决定分散程度。

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

    参考来源

    - 位置:《深度学习的数学》第 17 阅读项《2-1 神经网络所需的函数》(来源项目 book-source,extracted/深度学习的数学/_epub-src/text/part0000_split_015.html) - 结论依据:原文对“一次函数关系使得计算”的解释或演示提供本卡的主要依据。 - 原始内容:用误差反向传播法 推导计算式时,这些一次函数关系使得计算可以简单地进行。