• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            杰 & C++ & Python & DM

            數據挖掘中的指數函數

                        最近做數據時,使用神經網絡建模。在神經網絡中,會用到激發函數(activation function)。

                    典型的激發函數有Sigmod函數:

                              image

                    雙曲正切函數:

                             image

                      這兩個都涉及到指數函數,在C中,為求指數函數,使用exp()函數。

                  在數次出錯后找到問題,原來是我的指數值過大,數據中有時會出現超過1000的數字,這導致在求值過程中,即使使用double型,也使得結果溢出。

                  解決方法是定義一個指數函數,當指數值超過一定界限便指定一個相對無窮大的值,這樣也符合數學定義。在我的處理中,將界限設定為15,當該值大于15時,返回3000000;當界限值小于-15時,返回0。

            posted on 2011-01-21 23:40 jaysoon 閱讀(1120) 評論(0)  編輯 收藏 引用 所屬分類: 數據挖掘

            <2011年1月>
            2627282930311
            2345678
            9101112131415
            16171819202122
            23242526272829
            303112345

            導航

            統計

            常用鏈接

            留言簿

            隨筆分類

            隨筆檔案

            文章分類

            文章檔案

            收藏夾

            C++

            搜索

            最新評論

            閱讀排行榜

            評論排行榜

            中文字幕人妻色偷偷久久| 日本久久久精品中文字幕| 久久国产乱子伦精品免费强| 一本伊大人香蕉久久网手机| 精品国产青草久久久久福利| 久久精品中文字幕有码| 日韩人妻无码一区二区三区久久99| 一本久久免费视频| 久久精品a亚洲国产v高清不卡| 嫩草影院久久国产精品| 久久播电影网| 浪潮AV色综合久久天堂| 99久久亚洲综合精品网站| 久久久久亚洲精品天堂久久久久久 | 久久国产美女免费观看精品| 蜜臀久久99精品久久久久久| 嫩草伊人久久精品少妇AV| 精品久久久久久无码人妻蜜桃| 女人高潮久久久叫人喷水| av无码久久久久不卡免费网站| 亚洲精品乱码久久久久久蜜桃 | 国产午夜福利精品久久2021| 久久精品中文字幕一区| 精品久久久久久中文字幕| 亚洲精品无码久久久影院相关影片| 久久久久九九精品影院| 国产精品久久久久久久 | 久久777国产线看观看精品| 麻豆久久久9性大片| 国产精品99久久久久久猫咪| 蜜臀av性久久久久蜜臀aⅴ麻豆| 久久影院久久香蕉国产线看观看| 久久久久久综合一区中文字幕| 97久久国产综合精品女不卡| 久久久综合香蕉尹人综合网| 久久亚洲精品中文字幕三区| 久久w5ww成w人免费| 国产精品久久成人影院| 91视频国产91久久久| 国产精品视频久久久| 国产精品久久精品|