← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8863.c.1 · 生成模型:未记录

非线性特征变换

理解等级:中级

神经网络的隐藏层可将输入映射到新的特征空间,改变数据的表示。在书中的示意例子里,原空间不易线性分开的两类数据经非线性变换后可以用超平面分开;这是一种可能的效果,不保证任意数据都能被任意网络分开。

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:《破解深度学习(基础篇)_模型算法与实现》第1章《欢迎来到深度学习的世界》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0004.xhtml`) - 结论依据:原文及对应示意图说明机制;结尾为基于定义的适用边界提醒。 - 原始内容:从另一个角度看,深度神经网络强大的本质还在于,它能通过隐藏层神经元的非线性空间变换,使原本非线性不易区分的数据在新的特征空间中变为线性可区分。