卷积神经网络每一层都需要激活函数吗

如题所述

推荐答案 2016-01-03

convolution layer需要激活函数
pooling layer需要激活函数
normalization layer不需要激活函数
fully-connected layer需要激活函数
cost layer不需要激活函数

温馨提示：答案为网友推荐，仅供参考

当前网址：http://66.wendadaohang.com/zd/nDnUUsv9vpsnppUi9D.html

第1个回答 2018-07-04

理论上，每一个神经元都由权重、偏移和激活函数组成。一方面激化函数进行非线性化处理，另一方面，激活函数决定该神经元是否被激活。
convolution layer （卷积层）需要激活函数
pooling layer（池化层）需要激活函数
normalization layer（归一化层）不需要激活函数
fully-connected layer（全连接层）需要激活函数
cost layer（成本层）不需要激活函数

相似回答

卷积神经网络每一层都需要激活函数吗答：cost layer不需要激活函数

卷积层后只加bn层可以吗不加激活函数答：不可以。网络模型中，基于卷积的神经网络99%都会用到BN，而几乎每经过一个卷积层后面都会跟着一个BN和激活函数层，激活函数层是使得数据能够分布在激活函数的梯度较大的区域，因此也提高了泛化能力，一旦没有激活函数层，那么网络的泛化能力也大大降低。

卷积神经网络的数学推导及简单实现答：是节点的加权输入，是激活函数ReLU 算出所有的后，就是Max Pooling了：卷积层和池化层的前向计算都说完了，虽然实际中一般不止一层，不过都是可以套用的，接下来就是全连接层了：如图所示，max pooling的结果‘拉平’后就是全连接层的输入向量了：这是之前的一篇关于DNN的推导，就不赘述了...

卷积神经网络的结构答：卷积神经网络的基本结构由以下几个部分组成：输入层，卷积层，池化层，激活函数层和全连接层。卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习（...

卷积神经网络包括哪几层答：-卷积步长设置(StridedCOnvolution)卷积步长也就是我们进行卷积操作时，过滤器每次移动的步长，上面我们介绍的卷积操作步长默认都是1，也就是说每次移动过滤器时我们是向右移动一格，或者向下移动一格。卷积神经网络的基本结构由以下几个部分组成：输入层，卷积层，池化层，激活函数层和全连接层。我们在卷积...

卷积神经网络(LeNet)答：LeNet的设计巧妙地融合了卷积层、池化层和全连接层，形成了一种层次分明的架构。每个卷积层就像是视觉的“眼睛”，通过5x5的卷积核和非线性ReLU激活函数，从输入图像中提取出关键特征。随后，池化层像是一把“梳子”，通过2x2的最大池化操作，减少数据维度，降低计算负担，同时保持了主要的特征信息。经典...

大家正在搜

卷积神经网络激活函数卷积神经网络激活函数的作用卷积神经网络激活函数的作用为什么卷积神经网络激活层卷积神经网络激活值的稀疏性一维卷积神经网络论文 cnn卷积神经网络测试数据卷积神经网络的输入神经网络卷积