Uitleg
Verborgen lagen (hidden layers) zijn lagen van neuronen tussen input en output lagen in neurale netwerken. Ze heet "verborgen" omdat ze niet direct zichtbaar/geëvlaurd zijn - ze zijn interne representaties.
Verborgen lagen leren abstracte features: eerste laag leert primitieve features (lijnen), volgende lagen combineren deze tot complexere features (vormen), en diepere lagen nog abstractere concepts. Dit hierarchische feature-learning is essentie van deep learning.
Aantal verborgen lagen bepaalt netwerkdiepte. Meer lagen = meer representatie-capaciteit maar ook overfitting-risico. Aantal neuronen per laag bepaalt breedte. Architectuur (aantal en grootte van verborgen lagen) is hyperparameter-tuning taak.
⚡ Voorbeelden
- •CNN voor afbeeldingen: input -> conv-lagen -> hidden layers -> output-klassen
- •Deep network met 10 verborgen lagen leert hiërarchische features
- •Bottleneck-verborgen-laag in autoencoder comprimeert informatie
Trefwoorden
interne-representatiefeature-learningneuronen-lagenabstraktie