Princend
0 位追蹤者
致力於分享AI技術跟知識
0會員
9內容數
全部內容
由新到舊
輸入層：接收數據，對應特徵值，是網絡的入口。
隱藏層：學習數據的抽象特徵，引入非線性，處理複雜模式。
輸出層：產生結果，將特徵轉換為預測值(regression)或分類(classification)結果。
陳縕儂老師說過 中間的隱藏層通常不會是線性的 如果全部都是線性 那任意交換隱藏層
限時公開
manim
## 第一單元：基礎介紹與環境設置
### 1. 單元目標
* 了解 Manim 是什麼以及其應用場景。
* 掌握如何安裝 Manim 並運行基礎腳本。
### 2. Manim 簡介
:::info
什麼是 Manim?
Manim 是一個用 Py
LeakyReLU (Leaky Rectified Linear Unit)
1.在 x≤0 區域，允許輸出一個小於 0 的線性值（αx ），有效解決神經元死亡問題。
2.在負值區域保留梯度，避免梯度消失，適合深層網路的訓練。
3.雖然負值區域仍有小幅影響，但需要設定合適的 α（通常為
ReLU 整流線性單位函式 (Rectified Linear Unit)
1.沒有分數跟指數，讓電腦加速運算
2.有效減緩梯度消失問題
3.但是會造成神經元死亡，神經元輸入小於等於 0時，這些神經元的梯度始終為 0，無法更新權重
Sigmoid 函數輸出範圍被壓縮在 0 到 1 之間，當輸入值過大或過小時，導數接近 0，導致權重幾乎停止更新。
此外，由於輸出總是正值且不以 0 為中心，使得權重更新的方向容易產生偏差，因而限制模型探索參數空間，影響收斂速度和學習效率。
tanh 通常應用在隱藏層的非線性變換、數據對稱分
激活函數 sigmoid "是個摸魚的"函數(酷酷的諧音梗)
sigmoid 通常應用在二元分類、邏輯回歸、小型神經網路中的hidden layer 、LSTM的閘門控制開關...等
定義域：(-無窮大，+無窮大)
範圍：(0, +1)
σ(0) = 0.5
此函數是單調遞增的。
此函
使用蒙地卡羅(MonteCarlo)方法來估計圓周率
用numpy.random.uniform(連續型均勻分布) 隨機生成300個點
其中x,y∈[−1,1]
綠色點代表在圈內
紅色點代表在圈外
生成的點越多 最後算出來點在圈內的機率會越接近圓周率π(3.1415926...)
