-
激活函數
鎖定
- 中文名
- 激活函數
- 外文名
- Activation Function
- 領 域
- 神經網絡
激活函數什麼是激活函數
激活函數(Activation functions)對於人工神經網絡
[1]
模型去學習、理解非常複雜和非線性的函數來説具有十分重要的作用。它們將非線性特性引入到我們的網絡中。如圖1,在神經元中,輸入的 inputs 通過加權,求和後,還被作用了一個函數,這個函數就是激活函數。引入激活函數是為了增加神經網絡模型的非線性。沒有激活函數的每層都相當於矩陣相乘。就算你疊加了若干層之後,無非還是個矩陣相乘罷了。
激活函數為什麼要用激活函數
如果不用激活函數,每一層輸出都是上層輸入的線性函數,無論神經網絡有多少層,輸出都是輸入的線性組合,這種情況就是最原始的感知機(Perceptron)。
激活函數常用的激活函數
激活函數Sigmoid函數
Sigmoid函數是一個在生物學中常見的S型函數,也稱為S型生長曲線。在信息科學中,由於其單增以及反函數單增等性質,Sigmoid函數常被用作神經網絡的閾值函數,將變量映射到0,1之間
[2]
。公式如下
激活函數Tanh函數
Tanh是雙曲函數中的一個,Tanh()為雙曲正切。在數學中,雙曲正切“Tanh”是由基本雙曲函數雙曲正弦和雙曲餘弦推導而來。公式如下
函數圖像如下
激活函數ReLU函數
Relu激活函數(The Rectified Linear Unit),用於隱層神經元輸出。公式如下
函數圖像如下
- 參考資料
-
- 1. 人工神經網絡研究現狀及其展望 .百度學術[引用日期2018-07-09]
- 2. The Influence of the Sigmoid Function Parameters on the Speed of Backpropagation Learning .百度學術[引用日期2018-07-09]