Logit (Reti Neurali): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 4: | Riga 4: | ||
I valori assunti dagli output dell'ultimo layer di una rete neurale vengono chiamati logits. | I valori assunti dagli output dell'ultimo layer di una rete neurale vengono chiamati logits. | ||
Essi possono assumere qualsiasi valore nell'intervallo dei numeri reali, z(x) ∈ ℝ, quindi in genere sono seguiti da un layer come il [[Sigmoide]] per la classificazione binaria o un layer [[Softmax]] per la classificazione multi-etichetta | Essi possono assumere qualsiasi valore nell'intervallo dei numeri reali, z(x) ∈ ℝ, quindi in genere sono seguiti da un layer come il [[Sigmoide]] per la classificazione binaria o un layer [[Softmax]] per la classificazione multi-etichetta | ||
{{#seo: | |||
|title=Logit | |||
|title_mode=append | |||
|keywords="rete neurale, apprendimento automatico, machine learning, sigmoide, softmax, classificazione, deep learning, intelligenza artificiale, modello predittivo, funzione di attivazione" | |||
|description="In una rete neurale, i logits sono i valori di output dell'ultimo layer prima di essere passati ad una funzione di attivazione come la sigmoide o la softmax. I logits possono assumere qualsiasi valore reale e vengono utilizzati per calcolare la probabilità di appartenenza ad una classe." | |||
}} | |||
Versione delle 13:29, 17 ago 2024
| Logit (Reti Neurali) | |
|---|---|
| Nome Inglese | Logit |
| Sigla | |
I valori assunti dagli output dell'ultimo layer di una rete neurale vengono chiamati logits. Essi possono assumere qualsiasi valore nell'intervallo dei numeri reali, z(x) ∈ ℝ, quindi in genere sono seguiti da un layer come il Sigmoide per la classificazione binaria o un layer Softmax per la classificazione multi-etichetta