机构名称：
¥ 1.0
在本节中，我们简要旨在取消明白为什么我们需要前面提到的激活功能，称为σ。我们已经了解到，神经网络通过总结权重和激活值的乘积来计算从给定输入⃗X的输出vecter。在第一层中，这些进化值只是我们的输入阀。当前，我们的网络计算输入值和参数的线性组合。实际上，如果我们要对数据进行分类或做出预测，则关系可能根本不存在。因此，我们需要对网络进行非线性，这是激活函数发挥作用的地方。如下图所示，有多个激活函数，每个功能都有不同的问题域的特征。Sigmoid Activation通常用于将非线性引入网络，也可以relu
了解神经网络背后的数学
主要关键词
相关文件推荐
