深度神经网络（DNN）反向传播算法(BP)中，我们对 DNN 的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差，而激活函数是 Sigmoid。实际上 DNN 可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢？下面我们就对 DNN 损失函数和激活函数的选择做一个总结。
更多内容请访问：IT源点
注意：本文归作者所有，未经作者允许，不得转载
相关文章推荐
- 97.5%准确率的深度学习中文分词（字嵌入+Bi-LSTM+CRF）
- A/B 测试中我们都会犯的十个常见错误
- ACourseinMachineLearning
- AdaBoost 算法详解 原理 推导及应用
- AI 下一个拐点，图神经网络带来哪些机遇？
- AI 应用时代：用 ModelOps 打造模型的全生命周期管理
- AI 开源项目分享：动作识别框架 Sense、多目标跟踪神器...
- AI 开源项目精选：GPT2.0、激活可视化、全面基本面分析包
- AI 手机产品化实践与思考
- AI 的思维
- AI 精选开源项目：处理 fMRI 数据、检测卫星图像、GPT2 生成模型
- AI 精选开源项目：构建向量应用程序、YOLO 存储库、多语言语料库
- AICALLING:人工智能呼唤社会科学家
- AIQ - 语音识别 | 微软亚研自动语法纠错系统达到人类水平
- AIQ - AI | 32 篇论文、7 大事业群，这是腾讯在斯德哥尔摩的 AI 之夜
- AIQ - AI | 快手 AI 技术副总裁郑文：为什么说 AI 是短视频平台的核心能力
- AIQ - deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读
- AIQ - NLP | CNN 也能用于 NLP 任务，一文简述文本分类任务的 7 个模型
- AIQ - 为什么要使用交叉验证？
- AIQ - 人工智能 | “照骗”难逃 Adobe 的火眼金睛——用机器学习让 P 图无所遁形
全部评论: 0 条
我有话说:
