In contrast, with a non-linear acti

In contrast, with a non-linear activation function we can increase the distance between A1 and A2 while we decrease the distance between B1 and B2. We can make B1 close to A1, but B2 distant from A1. By applying non-linear functions, we create new relationships between the points. With every new non-linear transformation we can increase the complexity of the relationships. In deep learning, using non-linear activation functions creates increasingly complex features with every layer.

ผลลัพธ์ (ไทย) 1:

ตรงกันข้าม สมบัติเปิดใช้งานฟังก์ชันเราสามารถเพิ่มระยะห่างระหว่าง A1 และ A2 ในขณะที่เราลดระยะห่างระหว่าง B1 และ B2 นี้ เราสามารถทำให้ B1 A1, B2 ห่างไกลแต่ใกล้จาก A1 โดยการใช้ฟังก์ชันสมบัติ เราสร้างความสัมพันธ์ใหม่ระหว่างจุด ทุกการเปลี่ยนแปลงสมบัติใหม่เราสามารถเพิ่มความซับซ้อนของความสัมพันธ์ ในการเรียนรู้ลึก ใช้สมบัติเปิดใช้งานฟังก์ชันสร้างคุณสมบัติที่ซับซ้อนมากขึ้นเรื่อย ๆ มีทุกชั้นด้วย

ผลลัพธ์ (ไทย) 2:

ในทางตรงกันข้ามกับการเปิดใช้งานฟังก์ชั่นที่ไม่ใช่เชิงเส้นเราสามารถเพิ่มระยะห่างระหว่าง A1 และ A2 ในขณะที่เราลดระยะห่างระหว่าง B1 และ B2 เราสามารถทำให้ B1 ใกล้กับ A1 แต่ B2 ห่างจาก A1 โดยใช้ฟังก์ชั่นที่ไม่ใช่เชิงเส้นเราจะสร้างความสัมพันธ์ใหม่ระหว่างจุด ทุกครั้งที่มีการเปลี่ยนแปลงที่ไม่ใช่เชิงเส้นใหม่ที่เราสามารถเพิ่มความซับซ้อนของความสัมพันธ์ที่ ในการเรียนรู้ลึกโดยใช้ฟังก์ชั่นการเปิดใช้งานที่ไม่ใช่เชิงเส้นสร้างคุณลักษณะที่ซับซ้อนมากขึ้นทุกชั้น

ผลลัพธ์ (ไทย) 3:

ในทางตรงกันข้าม กับฟังก์ชันกระตุ้น ) เราสามารถเพิ่มระยะห่างระหว่าง A1 และ A2 ในขณะที่เราลดระยะห่างระหว่าง B1 และ B2 . เราสามารถใกล้ชิดกับ A1 B1 , B2 แต่ห่างไกลจาก A1 โดยการใช้ฟังก์ชันไม่เชิงเส้น เราสร้างความสัมพันธ์ใหม่ระหว่างจุด กับการเปลี่ยนแปลงใหม่ทุกเส้น เราสามารถเพิ่มความซับซ้อนของความสัมพันธ์ ในการเรียนรู้โดยใช้ฟังก์ชันการใช้งานแบบลึก สร้างคุณลักษณะที่ซับซ้อนมากขึ้นกับทุกชั้น