• <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(1127) 評論(0)  編輯 收藏 引用 所屬分類: 數據挖掘

            <2025年8月>
            272829303112
            3456789
            10111213141516
            17181920212223
            24252627282930
            31123456

            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

            人人狠狠综合久久亚洲88| 91精品国产91久久| 久久精品综合网| 伊人久久大香线蕉av一区| 久久综合亚洲欧美成人| 狠狠久久综合| 亚洲国产精品无码久久久秋霞2| 久久97精品久久久久久久不卡| 久久夜色精品国产| 久久精品一区二区三区不卡| 久久婷婷是五月综合色狠狠| 久久久久夜夜夜精品国产| 色播久久人人爽人人爽人人片AV| 东京热TOKYO综合久久精品 | 国产精品久久久久久久人人看| 99国产欧美久久久精品蜜芽| 亚洲另类欧美综合久久图片区| 国产成人精品久久免费动漫| 久久久一本精品99久久精品88| 久久免费99精品国产自在现线| 99久久精品国内| 麻豆AV一区二区三区久久| 精品综合久久久久久97| 亚洲欧洲精品成人久久曰影片| 精品国产婷婷久久久| 99热成人精品免费久久| 久久精品国产福利国产秒| 久久久久久国产精品免费无码| 精品国产日韩久久亚洲| 欧美亚洲国产精品久久久久| 日韩电影久久久被窝网| 无码任你躁久久久久久老妇| 日韩中文久久| 欧美精品九九99久久在观看| 综合久久国产九一剧情麻豆| 久久精品国产2020| 一本一本久久A久久综合精品| 亚洲狠狠婷婷综合久久久久| 人妻无码中文久久久久专区| 色综合久久久久综合体桃花网 | 欧美一级久久久久久久大|