神经网络模型中隐藏层的数量

能否有人解释一下,或者提供一些资源,说明在神经网络中为什么(或在哪些情况下)需要或使用多于一个隐藏层?


回答:

  1. 这更接近大脑的工作方式(这可能不一定是计算上的优势,但很多人研究神经网络是为了深入了解思维的工作原理,而不仅仅是为了解决现实世界的问题)。
  2. 使用更多层更容易实现某些类型的不变性。例如,无论物体在图像中的位置或大小如何,都能工作的图像分类器。参见 Bouvrie, J. , L. Rosasco, 和 T. Poggio. “On Invariance in Hierarchical Models”. Advances in Neural Information Processing Systems (NIPS) 22, 2009.

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注