Puede ser útil ser matemáticamente preciso. Recuerde que una red neuronal define una composición de funciones.
La red neuronal más estándar es una red de alimentación directa, también conocida como perceptrón multicapa. Para las capas [matemáticas] L [/ matemáticas] (y las capas ocultas [matemáticas] L-1 [/ matemáticas]), se supone que [matemáticas] y = f_1 (f_2 (… f_L (x))) [/ matemáticas], donde cada función es [math] f_l (x) = h (x ^ \ top W_l + b_l) [/ math], para una matriz de peso [math] W_l [/ math], término de intercepción (sesgo) [math] b_l [/ matemática], y una función de activación [matemática] h [/ matemática].
Una red neuronal profunda es una red neuronal con más de una capa oculta. Una red lineal profunda es una red neuronal profunda cuya función de activación es la función de identidad. Para decirlo de otra manera, es una composición de transformaciones lineales [matemáticas] L [/ matemáticas].
- ¿Cuál es la diferencia entre las redes de Markov y las redes bayesianas?
- ¿Existe un modelo más efectivo que Word2vec desde 2013?
- ¿Cuál es la diferencia entre soft k-means y el algoritmo EM?
- ¿Cuál es el error de la bolsa en bosques aleatorios? Qué significa eso? ¿Cuál es un valor típico, si lo hay? ¿Por qué sería mayor o menor que un valor típico?
- ¿Cómo se aplica el aprendizaje profundo en la industria?
