【DL】饱和非线性、非饱和非线性

简介: 饱和非线性、非饱和非线性

论文AlexNet中提到饱和非线性、非饱和非线性神经元

1、先说一下线性和和非线性
线性linear,指量与量之间按比例、成直线的关系,在数学上可以理解为一阶导数为常数的函数;

非线性non-linear,指不按比例、不成直线的关系,一阶导数不为常数。

线性的可以认为是1次曲线,比如y=ax+b ,即成一条直线。

非线性的可以认为是2次以上的曲线,比如y=ax^2^+bx+c,即不为直线的即可。

参考:
https://zhidao.baidu.com/question/710966855200385565.html

https://www.zhihu.com/question/293327883/answer/486551119

2.再说一下饱和非线性、非饱和非线性

饱和非线性
饱和的激活函数会将输出结果缩放到有限的区间:
sigmoid激活函数的范围是[0, 1],所以它是饱和的
在这里插入图片描述

tanh激活函数的范围是[-1,1],所以它是饱和的。
在这里插入图片描述

非饱和非线性
非饱和的激活函数会将输出结果缩放到无穷区间
对于ReLU激活函数f(x) = max(0, x),当x趋于正无穷则f(x)也趋于正无穷。所以该函数是非饱和的。
在这里插入图片描述

参考:
https://blog.csdn.net/qq_38410428/article/details/100554171
https://www.zhihu.com/question/58648102

3.扩展资料
复习一下什么是齐次和非齐次方程
齐次线性方程组的常数项全部为零,
非齐次方程组的常数项不全为零。

齐次线性方程组表达式 :Ax=0;
非齐次方程组程度常数项不全为零: Ax=b。

两者的区别是:
1.常数项不同
2.表达式不同

参考:
https://zhidao.baidu.com/question/1639799988885104820.html

相关文章
|
10月前
EI级 | Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测
EI级 | Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测
EI级 | Matlab实现VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测
【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)
【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)
230 0
|
23天前
|
机器学习/深度学习 编解码 计算机视觉
YOLOv11改进策略【注意力机制篇】| CVPR-2023 FSAS 基于频域的自注意力求解器 结合频域计算和卷积操作 降低噪声影响
YOLOv11改进策略【注意力机制篇】| CVPR-2023 FSAS 基于频域的自注意力求解器 结合频域计算和卷积操作 降低噪声影响
33 1
YOLOv11改进策略【注意力机制篇】| CVPR-2023 FSAS 基于频域的自注意力求解器 结合频域计算和卷积操作 降低噪声影响
|
22天前
|
机器学习/深度学习 编解码 计算机视觉
RT-DETR改进策略【注意力机制篇】| CVPR-2023 FSAS 基于频域的自注意力求解器 结合频域计算和卷积操作 降低噪声影响
RT-DETR改进策略【注意力机制篇】| CVPR-2023 FSAS 基于频域的自注意力求解器 结合频域计算和卷积操作 降低噪声影响
52 2
|
vr&ar
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
165 0
用于非线性时间序列预测的稀疏局部线性和邻域嵌入(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
Matlab 麻雀优化算法优化门控循环单元(SSA-GRU)的数据回归预测
Matlab 麻雀优化算法优化门控循环单元(SSA-GRU)的数据回归预测
|
机器学习/深度学习 传感器 算法
Matlab 麻雀优化算法优化门控循环单元(SSA-GRU)的数据回归预测
Matlab 麻雀优化算法优化门控循环单元(SSA-GRU)的数据回归预测
|
机器学习/深度学习 数据采集 算法
回归预测 | MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元多输入单输出回归预测
回归预测 | MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元多输入单输出回归预测
|
运维 算法
【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
229 0