归一化与标准化的区别 标准化和归一化什么区别？

标准化和归一化什么区别？

规范化是将输入向量的最大值和最小值限制在隐藏层和输出层函数的限制范围内。例如，如果隐藏层的传递函数是logsig，则输出在0~1的范围内。如果传递函数为Tansig，则隐层的输出在-1~范围内，并进行归一化，这也是为了隐层传递函数的输出。标准化只是数据的统一标准，它的大小可能已经超出了隐层传递函数的范围，而且在以后的运行中很容易出错。

我不是一个IT行业人，我想了解人工智能究竟是怎么实现的，或者说实现的方向，怎么做最接近？

人工智能就是模拟人类。所以主要通过视频、图像和音频输入。像小杜这样的机器人必须配备摄像头来识别人脸，并配备拾音装置来识别声音。具体来说，本质上是对人脸和声纹进行半结构化特征提取，然后在背景特征数据集中进行比较的结果。在此之前，我们需要对数以千万计的人脸和声纹数据进行模型训练，并“教”机器人如何检测人脸和声纹以及如何提取特征。这个过程可以是基于深度学习网络的训练过程，它是一种模拟人脑的神经网络。现在比较流行的深度学习网络培训框架有cafe，tensorflow，流行的语言有python，C，C等。如果你想学习，首先百度关于我上面提到的所有名词我都不太懂，懂了概念才可以继续。

归一化与标准化的区别 标准化和归一化的区别 数据标准化范围在0到1

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。