Una neurona artificial generalmente se define por la ecuación:
[matemáticas] y = \ Phi (\ sum \ limits_ {i} ^ n {x_ {i} w_ {i}} + b) [/ matemáticas]
donde [math] \ Phi () [/ math] = función de activación que es una función de paso lateral para un perceptrón. [math] y [/ math] = entrada para la siguiente capa.
- ¿Cuál es el precio de mercado adecuado para un asistente virtual basado en inteligencia artificial?
- ¿Son los requisitos de autoconciencia y motivación egoísta para AGI / ASI?
- Necesito aprender los conceptos básicos del aprendizaje automático rápidamente, para mi trabajo. ¿Dónde empiezo?
- ¿Por qué Google está cerrando muchas compañías de robots?
- ¿El robot humanoide en Ex Machina todavía se considera ciencia ficción o hay desarrollos tecnológicos en la actualidad que pueden alcanzar ese nivel de IA?
La función de activación debe aplicarse antes de alimentar a la siguiente capa, si ese no es el caso, entonces, teniendo en cuenta su afirmación, la función de activación solo se aplicará en la capa de salida, porque es la única capa que no alimenta ninguna capa. Ahora, sin propiedad de no linealidad, todas las capas se fusionarán efectivamente en una “capa equivalente” y la red será efectivamente una red de una sola capa.
Por lo tanto, las funciones de activación no lineal deben aplicarse antes de alimentar a la siguiente capa.
Espero que esto ayude.
