知识卡片

普通读书笔记卡 · 生成模型:未记录

核回归与注意力池化

理解等级:中级

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?

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