(为什么没有非线性的激活函数，网络的逼近能力就相当有限？
网络的逼近能力是指？ 逼近任何函数
逼近真实值，能更好的拟合真实值
上下层节点？激活函数？
现实生活问题大部分是非线性的函数
为什么要构造这样的一个函数呢)
Relu是分段线性函数。当x小于等于0时，函数值都取0，当x大于0时，是个简单的一次线性函数，这种单侧抑制方法能提高计算效率，收敛速度加快，并且不存在梯度消失的问题，更符合生物学神经激活机制。
（所以什么是梯度消失？）
（我怎么感觉和我的研究方向越离越远？点云数据集）
（不是很相关啊）
就使得直接使用深度学习对其处理非常具有挑战性。典型问题如下：
点的表示肯定不会影响，点的实际位置啊。表示只是表示而已。
（对于B和C，各自找到一个坐标系，使得四个点的表示相同，还是有可能的，直接使用卷积，卷积的矩阵相同的话，处理的结果就会相同，实际上是不相同的）
（但是在我的研究方向，车载的激光雷达，一次性就是一个股东的坐标系，应该不会存在这个问题吧）
（所以用最近邻法来描述点与点之间的关系）
（这篇文章接下来的不想看了，暂时先放着吧，接着看会议论文）
（）
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
