隱含層（hidden layer）是2014年公布的藥學名詞。
基本介紹
- 中文名：隱含層
- 外文名：hidden layer
- 所屬學科：藥學_藥物分析
- 公布時間：2014年
定義,出處,
定義
人工神經網路通常具有多層結構，除了輸入層和輸出層之外的中間部分。
出處
《藥學名詞》 (第二版)。
隱含層
相關詞條
- 隱含層
隱含層（hidden layer）是2014年公布的藥學名詞。定義人工神經網路通常具有多層結構，除了輸入層和輸出層之外的中間部分。出處《藥學名詞》 (第二版)。1...
- Elman神經網路
在這種網路中, 除了普通的隱含層外, 還有一個特別的隱含層,稱為關聯層 (或聯繫單元層 ) ;該層從隱含層接收反饋信號, 每一個隱含層節點都有一個與之對應的關聯層節點連線。關聯層的作用是通過聯接記憶將上一個時刻的隱層狀態連同...
- 前饋神經網路
RBF網路是指隱含層神經元由RBF神經元組成的前饋網路。RBF神經元是指神經元的變換函式為RBF（Radial Basis Function，徑向基函式）的神經元。典型的RBF網路由三層組成：一個輸入層，一個或多個由RBF神經元組成的RBF層（隱含層），一個由...
- PIDNN
PIDNN的基本組成包括：輸入層的兩個神經元、隱含層的三個神經元、輸出層的一個神經元，稱PIDNN的基本形式為單輸出PIDNN (Single output PIDNN)，簡稱SPIDNN，SPIDNN可以完成單變數的 但輸入—單輸出系統的控制任務。SPIDNN的控制系統結構...
- 廣義回歸神經網路
輸出層是對線性權進行調整，採用的是線性最佳化策略，因而學習速度較快；而隱含層是對激活函式（格林函式，高斯函式，一般取後者）的參數進行調整，採用的是非線性最佳化策略，因而學習速度較慢。徑向基函式神經網路的優點：逼近能力，分類能力...
- 傅立葉神經網路
傅立葉神經網路是以一組傅立葉基函式作為三層前向神經網路各隱含層單元的輸出特性，再以其加權和作為網路的非線性輸出，構成的一種神經網路模型。從傅立葉神經網路可知，一個傅立葉神經網路就是一個傅立葉級數，反過來，一個傅立葉函式對應著...
- 高斯過程回歸
由性質可知，高斯過程可以視為一個擁有單隱含層和無限個隱含層節點的多層感知器（Multi-Layer Perceptron, MLP），DGP是MLP由單隱含層推廣至多隱含層時得到的高斯過程，即擁有多個隱含層和無限寬度的MLP。按定義，DGP是一組從高斯過程先驗...
- 人工智慧神經元網路方法
通常人工神經元格線包括三個層，即輸入層、輸出層和隱含層。單純的光譜分類器只考慮圖像的光譜特徵,但在實際景觀中,地物是具有一定空間結構特徵的。例如，城市的居住區多是由樹木、草地、道路、房屋頂、停車地等組成的。因此在分類中，...
- BP神經網路
增強網路的分類和識別能力、解決非線性問題的唯一途徑是採用多層前饋網路，即在輸入層和輸出層之間加上隱含層。構成多層前饋感知器網路。20世紀80年代中期，David Rumelhart。Geoffrey Hinton和Ronald W-llians、DavidParker等人分別獨立發現了...
- 自聯想神經網路
為了達到信息壓縮的目的，AANN網路瓶頸層節點數目明顯小於輸入層，又為了防止形成輸入輸出之間的簡單單一映射，除了輸出層激勵函式採用線形函式外，其它各層均採用非線形的激勵函式。結構 AANN結構包括一個輸入層,一定數量的隱含層和一個...
- 極限學習機
ELM在研究中被視為一類特殊的FNN，或對FNN及其反向傳播算法的改進，其特點是隱含層節點的權重為隨機或人為給定的，且不需要更新，學習過程僅計算輸出權重。傳統的ELM具有單隱含層，在與其它淺層學習系統，例如單層感知機（single layer ...
- 基於多目標遺傳算法的雙流道泵葉輪水力最佳化模型研究
提出了基於等效沙粒粗糙度模型和全流道計算區域的雙流道泵效率計算公式；結合均勻試驗設計和BP神經網路建立雙流道泵水力性能預測模型，其中隱含層的傳遞函式為tansig函式，輸出層的傳遞函式為purelin函式，隱含層共設定9個神經元。
- 長短期記憶人工神經網路
六個權值分別對應：輸入到向前和向後隱含層（w1, w3），隱含層到隱含層自己（w2, w5），向前和向後隱含層到輸出層（w4, w6）。值得注意的是：向前和向後隱含層之間沒有信息流，這保證了展開圖是非循環的。深層循環神經網路：為了...
- 基於三維有限元神經網路的缺陷識別和量化評價方法
1）根據缺陷漏磁場的三維有限元計算模型構建三維有限元神經網路：有限元神經網路包含三層：輸入層、輸出層和隱含層。如果缺陷漏磁場三維有限元計算模型包含M個格線單元、N個節點，而且每個單元有i個特徵參數，那么神經網路結構的輸入層就包含...
- 高解析度磁暴環電流指數的神經網路預測模型
《高解析度磁暴環電流指數的神經網路預測模型》是依託武漢大學，由蔡磊擔任項目負責人的青年科學基金項目。項目摘要 改進由行星際參數預測暴時SYM-H指數的神經網路預測模型，包括綜合Elman網路和NARX網路的優點建立新的帶隱含層反饋輸入變換的...
- 神經網路分析法
神經網路的結構由一個輸入層、若干箇中間隱含層和一個輸出層組成。神經網路分析法通過不斷學習，能夠從未知模式的大量的複雜數據中發現其規律。神經網路方法克服了傳統分析過程的複雜性及選擇適當模型函式形式的困難，它是一種自然的非線性...
- 徑向基函式網路
輸入層由信號源結點組成；第二層為隱含層，隱單元數視所描述問題的需要而定，隱單元的變換函式是RBF徑向基函式，它是對中心點徑向對稱且衰減的非負非線性函式；第三層為輸出層，它對輸入模式的作用作出回響。從輸人空間到隱含層空間的...
- 循環神經網路
Jordan網路的每個隱含層節點都與一個狀態單元（state units）相連以實現延時輸入，並使用logistic函式作為激勵函式。Jordan網路使用反向傳播算法（Back-Propagation, BP）進行學習，並在測試中提取了給定音節的語音學特徵。之後在1990年，Jeffrey...
- 長期天氣過程
BP神經網路的基本原理是：把一系列輸入層的預報因子經過連線權重加權輸送給隱含層，隱含層各神經元匯總所有輸入後，通過一種轉移函式產生某種回響輸出，並通過下一層連線權重加權輸送給輸出層，輸出層各神經元匯總所有輸入後又產生一種回響...
- 反向傳播算法
在正向傳播過程中，輸入信息通過輸入層經隱含層，逐層處理並傳向輸出層。如果在輸出層得不到期望的輸出值，則取輸出與期望的誤差的平方和作為目標函式，轉入反向傳播，逐層求出目標函式對各神經元權值的偏導數，構成目標函式對權值向量的...
- 隨機失活
隨機失活（dropout）是對具有深度結構的人工神經網路進行最佳化的方法，在學習過程中通過將隱含層的部分權重或輸出隨機歸零，降低節點間的相互依賴性（co-dependence ）從而實現神經網路的正則化（regularization），降低其結構風險（structural ...
- 深度卷積神經網路在計算機視覺中的套用研究綜述
《深度卷積神經網路在計算機視覺中的套用研究綜述》是王琳、趙耀等撰寫的一篇論文。論文摘要 深度卷積網路這一包括眾多隱含層的網路結構發展,具有傳統機器套用無法比擬的表達能力與特徵學習水平。因此在其套用於深度學習算法訓練以來,已經在許多...
