深度学习的基本思路

前向传播是计算得分函数(权重乘以输入+偏置项)和损失函数(数据损失+正则化惩罚项)的过程
反向传播是从后向前逐层对损失函数求梯度的
输入层和第一个隐含层运算之后做非线性变换(映射)再进入第二个隐含层
深度学习的基本思路
第一个问题:为何正则化惩罚项的系数越大,模型泛化性越好?
当考虑所有输入数据而其中某些少数特殊点使得一些权重较大,而这样会使模型泛化性较差,当增大正则化惩罚项的系数会倒逼权重减小,从而弱化特殊点对应权重带来的影响,所以使模型泛化性变好

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2022年5月30日 上午11:32
下一篇 2022年5月30日 上午11:34

相关推荐

此站出售,如需请站内私信或者邮箱!