知识卡片
核回归与注意力池化
Nadaraya–Watson 核回归按查询与样本输入的距离计算非负权重,归一化后对样本目标加权平均;高斯核越接近权重通常越大。带宽影响平滑程度,可学习尺度,但应独立验证。
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
- 注意力神经网络:赋予模型认知能力 · 查看原书依据
它使用核函数对数据进行非参数估计
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第9章《注意力神经网络:赋予模型认知能力》(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_0012.xhtml`)
- 结论依据:原文、公式、图示及示例代码;代码问题和条件限定为复核所得。
- 原始内容:它使用核函数对数据进行非参数估计