2018年6月26日
[Deep Learning] 常用的Active functions & Optimizers
摘要： 深度学习的基本原理是基于人工神经网络，输入信号经过非线性的active function，传入到下一层神经元；再经过下一层神经元的activate，继续往下传递，如此循环往复，直到输出层。正是因为这些active functions的堆砌，深度学习才被赋予了解决非线性问题的能力。当然，仅仅靠acti 阅读全文
posted @ 2018-06-26 10:24 Poll的笔记 阅读(4862) 评论(2) 推荐(6) 编辑