Normalizacija po sloju (Batch Normalization)
Normalizacija po sloju (Batch Normalization) je tehnika treniranja koju su uveli Sergey Ioffe i Christian Szegedy 2015. godine, a koja normalizira pretaktivacijske izlaze svakog sloja koristeći srednju vrijednost i varijancu izračunate na trenutnoj mini-pošiljci (mini-batch). Stabiliziranjem distribucije ulaza u svaki sloj tijekom treniranja, značajno smanjuje unutarnji kovarijantni pomak (internal covariate shift), omogućujući upotrebu viših stopa učenja i čineći duboke mreže bržima i pouzdanijima za treniranje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Ioffe, S. & Szegedy, C. (2015). Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 448–456. link ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning (Ch. 8). MIT Press. ISBN: 978-0-262-03561-3
- Ioffe, S. & Szegedy, C. (2015). Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. arXiv preprint arXiv:1502.03167. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/hr/deep-learning/batch-normalization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →