A tutorial on Artificial Intelligence
0.1
  • 引言
  • 第一卷 数学基础
  • 第二卷 经典物理
  • 第三卷 现代物理学
  • 第四卷 计算机学
  • 第五卷 信号处理
  • 第六卷 人工智能
    • 简介
    • 优化方法
    • 机器学习
    • 神经网络
      • 1. 简介
      • 2. 神经网络组件
        • 2.1. 激活函数单元
        • 2.2. 卷积单元
        • 2.3. 池化单元
        • 2.4. 正则化单元
        • 2.5. 跳跃连接
        • 2.6. 递归单元
        • 2.7. 残差单元
        • 2.8. 参考文献
      • 3. 神经网络常用损失函数
      • 4. 简单神经网络
      • 5. 支撑矢量机
      • 6. 极速学习机
      • 7. 基于能量的神经网络
      • 8. 卷积神经网络
      • 9. 递归神经网络
      • 10. 生成式神经网络
      • 11. 残差神经网络
      • 12. 分形神经网络
      • 13. 随机神经网络
      • 14. 复杂度分析
      • 15. 参考文献
      • 16. 名词术语
    • 深度学习
    • 模糊神经系统
    • 课程学习
    • 自步学习
  • 第七卷 雷达信号处理
  • 第八卷 医学信号处理
  • 第九卷 天文学
  • 第十卷 应用实践
  • 第十一卷 补充内容
  • 名词术语
A tutorial on Artificial Intelligence
  • Docs »
  • 第六卷 人工智能 »
  • 神经网络 »
  • 2. 神经网络组件

2. 神经网络组件¶

  • 2.1. 激活函数单元
    • 2.1.1. 什么是激活函数
    • 2.1.2. 为什么要有激活函数
    • 2.1.3. 经典激活函数分类
      • 恒等函数
      • tanh
      • Sigmoid
      • softplus
      • softsign
      • elu
      • relu
      • relu6
      • leaky relu
      • selu
      • crelu
      • Swish
    • 2.1.4. 新颖激活函数
  • 2.2. 卷积单元
    • 2.2.1. 经典卷积运算
      • 经典二维卷积
      • 经典膨胀二维卷积运算
    • 2.2.2. 经典二维转置卷积运算
    • 2.2.3. 新型卷积
      • 平衡卷积
    • 2.2.4. 实验分析
      • 卷积与相关
        • 实验说明
        • 实验结果
  • 2.3. 池化单元
    • 2.3.1. 经典二维池化运算
    • 2.3.2. 膨胀二维池化运算
    • 2.3.3. 金字塔池化
      • 空间金字塔池化
      • 金字塔场景池化
      • 扩张空间金字塔池化
  • 2.4. 正则化单元
  • 2.5. 跳跃连接
    • 2.5.1. 前向跳跃连接
      • 经典前向跳跃连接
        • 结构分析
        • 梯度传播分析
    • 2.5.2. 后向跳跃连接
      • 梯度传播
  • 2.6. 递归单元
  • 2.7. 残差单元
    • 2.7.1. 经典残差块分析
      • 残差块结构
      • 梯度传播分析
  • 2.8. 参考文献
Next Previous

© Copyright 2017-2019,刘志,西安电子科技大学,智能感知与图像理解教育部重点实验室.

Built with Sphinx and ❤️ using a custom theme based on Read the Docs.