1樓：令狐arfmaof
產品渣剛好看nlp的書到這塊，有點懵，自己強行解釋130+120=250=360-110.兩者表示的意義是一樣的，但是表達的方式不太一樣。數學解釋是可以把這些數字分別換成兩組引數。
。。。。看到這裡，原來真的不是演算法忽悠我，而是演算法真的是玄學啊。
感覺羅博士說的最好哈。
2樓：「已登出」
大部分來講，隱藏層的意義，是把前一層的向量變成新的向量。就是座標變換，也就是把空間扭曲一下變下維度啥的，讓他們更加線性可分。
要說意義，啥叫意義。。我覺得有意義，乙個隱藏的細胞說乙個特徵。這樣算意義吧？
3樓：
所謂的含義，是人類的一種簡化問題的敘述方式。
y=3x+2,
3是什麼含義，2是什麼含義？
y=exp(2-log(5*x-11.8)+sin(tan(x-1/(2.37+Li(x)))))*Si(max(x,2x+1))
5是什麼含義，2.37是什麼含義？
說到底，神經網路太複雜，複雜到人們沒有時間去詳細剖析每乙個係數起什麼作用。
卷積神經網路中，那個卷積輸出層的通道數 深度 的計算？
小心心 Fig.1影象卷積過程gif 關於這個問題，可能剛接觸卷積神經網路對這個都會有很多誤解。今天就來大體一說，根據從 笑可結緣https 那裡得到的圖 侵刪 一般我們的影象在輸入的時候是有通道的，例如黑白影象是單通道的 input channel 1 rgb是3通道的 如Fig.1所示，inpu...
神經網路中Belief Net和標準的神經網路有什麼區別？
金天 這個已經深埋地下的問題今天在下挖出來回答一番,拂去歲月的塵埃這個問題還是值得一答,也值得大家一讚.我的思考 1.DBN本質是RBM一層層的堆疊,那麼問題在於RBM與標準傳統簡單的神經網路有毛線區別呢?我們知道RBM可見層與隱藏層之間是全連線的,而hidden和hidden之間是沒有連線的,這個...
為什麼神經網路中從輸入層到隱含層的權值必須互不相等？
曹佳鑫 先來看張圖 乙個簡單的神經網路 如果權值初始化是相等的 這句話的意思是hidden layer的每一列上的神經元引數都一致 那麼在BackPropagation的時候，每個神經元獲得的update都是一致的，那麼更新後的神經元的權重還是一致的，就導致了網路進入了對稱狀態，所謂對稱就是相對於某...