Pelbagai pilihan 3 lapisan dalam

1. Apakah output z_2 2 3 mewakili mengikut notasi yang ditakrifkan untuk DNN?
2. Mengapa kita memerlukan pelbagai lapisan dalam pembelajaran mendalam?
3. Berapa banyak lapisan yang perlu rangkaian saraf yang mendalam?

Apakah output z_2 2 3 mewakili mengikut notasi yang ditakrifkan untuk DNN?

Apa outputz_2^[2] (3) z2 [2] (3) mewakili mengikut pemotongan yang ditakrifkan untuk DNN? A: Output diaktifkan nod ke -3 dalam lapisan kedua untuk sampel latihan kedua x.

Mengapa kita memerlukan pelbagai lapisan dalam pembelajaran mendalam?

Pada asasnya, dengan menambah lebih banyak lapisan tersembunyi / lebih banyak neuron setiap lapisan anda menambah lebih banyak parameter ke model. Oleh itu, anda membenarkan model sesuai dengan fungsi yang lebih kompleks.

Berapa banyak lapisan yang perlu rangkaian saraf yang mendalam?

Sekiranya data kurang kompleks dan mempunyai dimensi atau ciri yang lebih sedikit maka rangkaian saraf dengan 1 hingga 2 lapisan tersembunyi akan berfungsi. Sekiranya data mempunyai dimensi atau ciri yang besar maka untuk mendapatkan penyelesaian optimum, 3 hingga 5 lapisan tersembunyi boleh digunakan.