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→
神经网络的有效信息计算
(查看源代码)
2024年12月27日 (五) 23:49的版本
删除8字节
、
2024年12月27日 (五) 23:49
→有效信息在不同激活函数中的表现
第37行:
第37行:
=== 有效信息在不同激活函数中的表现 ===
=== 有效信息在不同激活函数中的表现 ===
−
EI在不同的常用激活函数中具有一致的特性。下图a-
c展示了两个节点A和B之间单个连接的EI,其中A→B的权重逐渐增加,每个面板展示了不同的激活函数(sigmoid、tanh、ReLU)。我们可以看到,对于每个具有特定激活函数的孤立连接,存在一个依赖于A到B连接权重的特征EI曲线,并且该曲线的形状与选择的bins数量(8、16、32和64)无关。
+
EI在不同的常用激活函数中具有一致的特性。下图a-
c展示了两个节点A和B之间单个连接的EI,其中A→B的权重逐渐增加,每个面板展示了不同的激活函数(sigmoid、tanh、ReLU)。我们可以看到,对于每个具有特定激活函数的孤立连接,存在一个依赖于A到B连接权重的特征EI曲线,并且该曲线的形状与选择的bins数量(8、16、32和64)无关。
在低权重时,EI表明B对A的扰动不敏感,尽管这种敏感性在所有三个激活函数中都会上升到一个峰值。随着权重的增加,激活函数趋于饱和,B对A的扰动变得不敏感,EI曲线随之下降。
在低权重时,EI表明B对A的扰动不敏感,尽管这种敏感性在所有三个激活函数中都会上升到一个峰值。随着权重的增加,激活函数趋于饱和,B对A的扰动变得不敏感,EI曲线随之下降。
相信未来
5,443
个编辑