网站首页 第1049页

• 

  常见隐藏单元(代码篇)|机器学习你会遇到的“坑”

  我们在上一节的《常见隐藏单元》（理论篇）中基于阶跃函数和线性函数逐渐改进了隐藏单元，比如sigmoid函数改进了阶跃函数不光滑以及梯度几乎为零的缺点，tanh又改进了sigmoid函数非零中心的问题，反正切函数又改进了tanh函数过早饱和的...

  2024-09-06 btikc 技术文章 10 ℃ 0 评论
• 

  用Keras实现使用自归一化神经网络来解决梯度消失的问题

  作者：JonathanQuijas...

  2024-09-06 btikc 技术文章 14 ℃ 0 评论
• 

  深度学习中常用的激励函数

  ——原文发布于本人的微信公众号“大数据与人工智能Lab”（BigdataAILab），欢迎关注。我们知道深度学习的理论基础是神经网络，在单层神经网络中（感知机），输入和输出计算关系如下图所示：可见，输入与输出是一个线性关系，对于增加了多个...

  2024-09-06 btikc 技术文章 10 ℃ 0 评论
• 

  神经网络常用激活函数总结(一)

  激活函数性质...

  2024-09-06 btikc 技术文章 10 ℃ 0 评论
• 

  激活函数的作用是什么

  激活函数在神经网络中扮演着至关重要的角色，它的作用包括以下几个方面：1.引入非线性：激活函数引入了非线性因素，使得神经网络可以学习和表示复杂的非线性关系。如果没有激活函数，多层神经网络就会退化为单一的线性变换，无法有效地学习非线性模式和复...

  2024-09-06 btikc 技术文章 12 ℃ 0 评论
• 

  深度学习中常用的激励函数有哪些?

  激励函数是神经网络中的一种重要组成部分，它可以将神经元的输入转换为输出，从而实现非线性变换。激励函数的作用是增强神经网络的表达能力，解决线性模型所不能解决的问题，以及提供神经网络的稀疏表达能力。...

  2024-09-06 btikc 技术文章 13 ℃ 0 评论
• 

  「图解AI」一文让你看懂人工智能中深度学习的激励函数

  人工智能的深度学习的理论基础是神经网络，其中，激励函数是神经网络中的重要组成部分。有了激励函数之后，才能将多个线性输入（如上图的∑wx+b）转换为非线性的输出。也就是说，如果不使用激励函数的话，神经网络的每层计算都只是在做线性变换，而通过激...

  2024-09-06 btikc 技术文章 8 ℃ 0 评论
• 

  机器学习100天-Day2302 深层神经网络DNN(Elu)

  说明：本文依据《Sklearn与TensorFlow机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。进入第二部分深度学习第十一章训练深层神经网络在第十章以及之前tf练习中，训练的深度神经网络都只是简...

  2024-09-06 btikc 技术文章 7 ℃ 0 评论
• 

  深度学习模型DBN、SAE、CNN、RNN介绍

  深度学习源于神经网络的研究，可理解为深层的神经网络。通过它可以获得深层次的特征表示，免除人工选取特征的繁复冗杂和高维数据的维度灾难问题。目前较为公认的深度学习的基本模型包括：基于受限玻尔兹曼机（RestrictedBoltzmannMa...

  2024-09-06 btikc 技术文章 11 ℃ 0 评论
• 

  图解自注意力机制(Self-Attention)

  来源：机器学习算法那些事...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论