在多层感知器中,每层输入的各个元素都需要乘以一个独立的参数(权重),这一层又叫作全连接层(Fully Connected Layer)或稠密层(DenseLayer)。然而,对于某些类型的任务,这样做并不合适,如在图像识别任务中,如果对每个像素赋予独立的参数,一旦待识别物体的位置出现轻微移动,识别结果可能会发生较大的变化。在自然语言处理任务中也存在类似的问题,如对于情感分类任务,句子的情感极性往往由个别词或短语决定,而这些决定性的词或短语在句子中的位置并不固定,使用全连接层很难捕捉这种关键的局部信息。
2022-03-03
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
推荐阅读更多精彩内容
- (第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习...
- 随着手机等移动设备的普及,适配移动端的页面变得越来越有必要。这也意味着移动端的调试变得越来越频繁,那么就会发生以下...