1.这样可以简化计算并提高稳定性,有着相同的临界点
2.由P(A).P(B)给出两个独立事件A和B共同出现的概率。如果我们使用log,即log(P(A)) + log(P(B)),这很容易映射到一个和。因此,更容易将神经元触发的“事件”作为线性函数来处理。
3将两个或更多这样的小数字相乘很容易导致浮点精度算术中的下溢(例如,考虑乘以0.0001*0.00001)
1.这样可以简化计算并提高稳定性,有着相同的临界点
2.由P(A).P(B)给出两个独立事件A和B共同出现的概率。如果我们使用log,即log(P(A)) + log(P(B)),这很容易映射到一个和。因此,更容易将神经元触发的“事件”作为线性函数来处理。
3将两个或更多这样的小数字相乘很容易导致浮点精度算术中的下溢(例如,考虑乘以0.0001*0.00001)
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/836709.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!