Xavier Initialization

تهيئة Xavier

أسلوب تهيئة أوزان يضبط تباين كل طبقة عند 2/(n_in + n_out) بحيث يظل تباين التنشيطات والتدرّجات ثابتاً عبر الطبقات، مما يمنع التلاشي والانفجار ويتيح تدريب الشبكات العميقة مباشرةً دون تدريب مسبق.

A weight initialization scheme that sets each layer's variance to 2/(n_in + n_out), keeping activation and gradient variance stable across layers, preventing vanishing and exploding signals and enabling direct end-to-end training of deep networks without pretraining.

Also translated asتهيئة غلوروت، التهيئة المتناظرة

First appears in this corpus in: Learning Long-Term Dependencies with Gradient Descent is Difficult (1994)

Appears in these papers

Learning Long-Term Dependencies with Gradient Descent is Difficult1994 in the sky ✦