知识卡片
隐藏层改变表示空间
单个线性分类边界无法分开中心与外围的同心圆数据。非线性隐藏层先把输入映射为新的特征表示,后续层再对该表示做线性分类,有时可使原空间中不可线性分的数据在新空间可分。升维本身不创造原输入中没有的信息,也不保证任意映射都能分开类别。
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 5.4 多个全连接层的意义 · 查看原书依据
升维不能增加信息
参考来源
- 位置:《用Python实现深度学习框架》第5章《神经网络》,5.4 多个全连接层的意义(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_046.html`)
- 结论依据:原文用多个神经元、矩阵化全连接层及同心圆数据解释层次表示;卡片限定原书泛化表述的适用条件。
- 原始内容:升维不能增加信息。