Функція активації: відмінності між версіями
Перейти до навігації
Перейти до пошуку
| [перевірена версія] | [перевірена версія] |
Вилучено вміст Додано вміст
зв'язність |
AS (обговорення | внесок) мНемає опису редагування |
||
| Рядок 2: | Рядок 2: | ||
* [[Функція активації (net input)]] — у [[штучний нейрон|штучному нейроні]], [[математична функція|відображення]] вхідного вектора сигналів на якесь число. |
* [[Функція активації (net input)]] — у [[штучний нейрон|штучному нейроні]], [[математична функція|відображення]] вхідного вектора сигналів на якесь число. |
||
* [[Передавальна функція штучного нейрона]] — відображення вхідного сигналу (результату [[Функція активації (net input)|функції активації]]) на виходовий. Зазвичай на цю роль вибирають нелінійну обмежувальну функцію на зразок [[сигмоїда|сигмоїди]]. |
* [[Передавальна функція штучного нейрона]] ({{lang-en|activation function}}<ref>Ke-Lin Du, Swamy M. N. S., Neural Networks and Statistical Learning, Springer-Verlag London, 2014 {{doi|10.1007/978-1-4471-5571-3}}</ref><ref>James Keller, Derong Liu, and David Fogel: Fundamentals of computational intelligence: neural networks, fuzzy systems, and evolutionary computation: John Wiley and Sons, 2016, 378 pp, ISBN 978-1-110-21434-2</ref><ref>Lionel Tarassenko, 2 - Mathematical background for neural computing, In Guide to Neural Computing Applications, Butterworth-Heinemann, New York, 1998, Pages 5-35, ISBN 9780340705896, http://doi.org/10.1016/B978-034070589-6/50002-6.</ref><ref name="Anthony2001">{{cite journal|last=Anthony|first=Martin|year=2001|title=1. Artificial Neural Networks|pages=1–8|doi=10.1137/1.9780898718539}}</ref><ref>[http://neuralnetworksanddeeplearning.com/chap1.html#perceptrons Michael Nielsen. Neural Networks and Deep Learning.]</ref><ref name="Stegemann-Buenfeld-1999">{{cite journal|last=Stegemann|first=J. A.|coauthors=N. R. Buenfeld|year=2014|title=A Glossary of Basic Neural Network Terminology for Regression Problems|journal=Neural Computing & Applications|volume=8|issue=4|pages=290–296|issn=0941-0643|doi=10.1007/s005210050034}}</ref>, також ''excitation function, squashing function, transfer function''<ref name="Stegemann-Buenfeld-1999"/>) — відображення вхідного сигналу (результату [[Функція активації (net input)|функції активації]]) на виходовий. Зазвичай на цю роль вибирають нелінійну обмежувальну функцію на зразок [[сигмоїда|сигмоїди]]. |
||
== Примітки == |
|||
{{reflist}} |
|||
Версія за 09:03, 12 квітня 2017
 |
Функція активації — термін, який має кілька значень. Ця сторінка значень містить посилання на статті про кожне з них. Якщо ви потрапили сюди за внутрішнім посиланням, будь ласка, поверніться та виправте його так, щоб воно вказувало безпосередньо на потрібну статтю. |
- Функція активації (net input) — у штучному нейроні, відображення вхідного вектора сигналів на якесь число.
- Передавальна функція штучного нейрона (англ. activation function[1][2][3][4][5][6], також excitation function, squashing function, transfer function[6]) — відображення вхідного сигналу (результату функції активації) на виходовий. Зазвичай на цю роль вибирають нелінійну обмежувальну функцію на зразок сигмоїди.
Примітки
- ↑ Ke-Lin Du, Swamy M. N. S., Neural Networks and Statistical Learning, Springer-Verlag London, 2014 DOI:10.1007/978-1-4471-5571-3
- ↑ James Keller, Derong Liu, and David Fogel: Fundamentals of computational intelligence: neural networks, fuzzy systems, and evolutionary computation: John Wiley and Sons, 2016, 378 pp, ISBN 978-1-110-21434-2
- ↑ Lionel Tarassenko, 2 - Mathematical background for neural computing, In Guide to Neural Computing Applications, Butterworth-Heinemann, New York, 1998, Pages 5-35, ISBN 9780340705896, http://doi.org/10.1016/B978-034070589-6/50002-6.
- ↑ Anthony, Martin (2001). 1. Artificial Neural Networks: 1—8. doi:10.1137/1.9780898718539.
- ↑ Michael Nielsen. Neural Networks and Deep Learning.
- ↑ а б Stegemann, J. A.; N. R. Buenfeld (2014). A Glossary of Basic Neural Network Terminology for Regression Problems. Neural Computing & Applications. 8 (4): 290—296. doi:10.1007/s005210050034. ISSN 0941-0643.