目录
- 神经网络其实和人一样懒惰,喜欢走捷径
- [使用rectifier 作为非线性激活函数使得深度网络学习不需要pre-training,在大、复杂的数据上,相比于sigmoid函数等更加快速和更有效率。](https://www.sohu.com/a/192782868_824406)
- [A Neural Network Playground](http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.57529&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false)动态展示神经网络过程,可以尝试调节参数从而使得黄色点只在黄色区域,蓝色点只在蓝色区域
神经网络其实和人一样懒惰,喜欢走捷径
使用rectifier 作为非线性激活函数使得深度网络学习不需要pre-training,在大、复杂的数据上,相比于sigmoid函数等更加快速和更有效率。
A Neural Network Playground动态展示神经网络过程,可以尝试调节参数从而使得黄色点只在黄色区域,蓝色点只在蓝色区域 万字综述:行业知识图谱构建最新进展
数据太少怎么搞深度学习?