更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
人工神经网络上的有效信息计算
(查看源代码)
2024年12月22日 (日) 01:48的版本
删除1字节
、
2024年12月22日 (日) 01:48
→多连接情况下的EI曲线
第44行:
第44行:
=== 多连接情况下的EI曲线 ===
=== 多连接情况下的EI曲线 ===
−
在存在多个连接的情况下,EI曲线会变成一个更高维的EI流形。下图d-f展示了由两个节点A和B组成的层,每个节点都有一个连接到C的单个连接的EI(A,
B → C
)。由于扰动之间可能相互干扰,EI不仅取决于节点之间关系的敏感性,还取决于网络连接的重叠或退化性,从而形成一个流形。例如,在sigmoid激活函数中,EI流形大致是2倍对称的,这是由于sigmoid函数在正负权重周围的对称性,以及网络本身的对称性(因为神经元A和B都只连接到C)。
+
在存在多个连接的情况下,EI曲线会变成一个更高维的EI流形。下图d-f展示了由两个节点A和B组成的层,每个节点都有一个连接到C的单个连接的EI (A,
B→C
)。由于扰动之间可能相互干扰,EI不仅取决于节点之间关系的敏感性,还取决于网络连接的重叠或退化性,从而形成一个流形。例如,在sigmoid激活函数中,EI流形大致是2倍对称的,这是由于sigmoid函数在正负权重周围的对称性,以及网络本身的对称性(因为神经元A和B都只连接到C)。
[[文件:图 1.png|替代=|无框|500x500像素]]
[[文件:图 1.png|替代=|无框|500x500像素]]
相信未来
5,443
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
捐赠我们
帮助
工具
特殊页面
可打印版本