1.需求预测的例子
2.激活函数的例子
线性激活函数有时也被称为无激活函数
3.激活函数的选择
(1)神经网络的输出层
·结果是二元分类问题,一般采用Sigmoid函数
·结果是有正有负(如预测明天股票价格的浮动),一般采用线性激活函数
·结果只能是正,如(预测房屋的价格),可以采用ReLU函数
(2)神经网络的隐藏层
现在隐藏层一般采用ReLU函数
经验:不要在神经网络的隐藏层中使用线性激活函数。
线性激活函数有时也被称为无激活函数
·结果是二元分类问题,一般采用Sigmoid函数
·结果是有正有负(如预测明天股票价格的浮动),一般采用线性激活函数
·结果只能是正,如(预测房屋的价格),可以采用ReLU函数
现在隐藏层一般采用ReLU函数
经验:不要在神经网络的隐藏层中使用线性激活函数。
RUSH阅读 999
拓端tecdat阅读 33.7k
冒泡的马树阅读 3.4k评论 1
universe_king阅读 2.1k
超神经HyperAI阅读 1.9k
超神经HyperAI阅读 1.8k
超神经HyperAI阅读 1.8k
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。