Self-paced course

Praktische Einführung in Deep Learning für Computer Vision

Offered by HPI-Student Team für neuronale Netze

This video belongs to the openHPI course Praktische Einführung in Deep Learning für Computer Vision. Do you want to see more?

2.6 Aktivierungsfunktionen

Time effort: approx. 12 minutes

An error occurred while loading the video player, or it takes a long time to initialize. You can try clearing your browser cache. Please try again later and contact the helpdesk if the problem persists.

About this video


Anmerkung zum Video:

  • zu 4:26: Mathematisch korrekt muss von Operationen, statt Multiplikationen gesprochen werden. Die Berechnung der Aktivierungsfunktionen wurde hier nicht mit einbezogen.

  • Stetigkeit ist nicht gleichbedeutend mit der Erklärung "es gibt zu jedem x ein y", sondern eine Funktion ist stetig, wenn sie an jeder Stelle ihres Definitionsbereichs stetig ist. Die genaue Definition von Stetigkeit findet ihr hier.

  • Die Erklärung "Es gibt zu jeden x ein y" beschreibt die Totalität als Eigenschaft einer Funktion.

  • Auf Folie 9 müsste es statt softmax(x)_i eigentlich softmax(x_i) heißen