打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
前馈神经网络
(查看源代码)
2025年6月14日 (六) 20:42的版本
大小无更改
、
2025年6月14日 (六) 20:42
无编辑摘要
第5行:
第5行:
历史上常见的两种激活函数都是S 型函数,其描述如下:
历史上常见的两种激活函数都是S 型函数,其描述如下:
−
<nowiki>[math]\
displaystyel
{ey(v_i) = \tanh(v_i) \quad \text{and} \quad y(v_i) = \left(1 + e^{-v_i}\right)^{-1}}[/math]</nowiki>
+
<nowiki>[math]\
displaystyle
{ey(v_i) = \tanh(v_i) \quad \text{and} \quad y(v_i) = \left(1 + e^{-v_i}\right)^{-1}}[/math]</nowiki>
== 学习 ==
== 学习 ==
学习是通过在处理每条数据后,根据输出结果与预期结果之间的误差量,改变连接权重来实现的。这是监督学习的一个例子,通过反向传播进行。
学习是通过在处理每条数据后,根据输出结果与预期结果之间的误差量,改变连接权重来实现的。这是监督学习的一个例子,通过反向传播进行。
Word2vec
130
个编辑