← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9887.q.1 · 生成模型:未记录

Sigmoid与tanh饱和

理解等级:中级

Sigmoid 将实数映射到 0 到 1,tanh 映射到 −1 到 1;二者在输入绝对值较大时趋于饱和,导数变小。深层网络反复相乘这些小导数可能使梯度衰减,具体训练表现还取决于权重和结构。

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:《现代人工智能技术》第6章《神经网络》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter8.xhtml) - 结论依据:原文比较两种激活的输出区间及梯度消失风险。 - 原始内容:tanh函数能够把输入的连续实值变换为-1~1之间的输出。