关于激活函数和损失函数的调研
1) 激活函数(Activation Function)
背景
深度学习的基本原理是基于人工神经网络,信号从一个神经元进入,经过非线性的activation function,传入到下一层神经元;再经过该层神经元的activate,继续往下传递,如此循环往复,直到输出层。正是由于这些非线性函数的反复叠加,才使得神经网络有足够的capacity来抓取复杂的pattern,在各个领域取得state-of-the-art的结果。显而易见,activation function在深度学习中举足轻重,也是很活跃的研究领域之一。目前来讲,选择怎样的activation function不在于它能否模拟真正的神经元,而在于能否便于优化整个深度神经网络。下面我们简单聊一下各类函数的优缺点以及其适用场景。Pros表示优点,Cons表示缺点。
Sigmoid函数
σ
(
x
)
=
1
1
+
e
−
x
\sigma(x)=\frac{1}{1+e^{-x}}
σ(x)=1+e−x1
Sigmoid函数是深度学习领域开始时使用频率最高的activation function
Pros
- 它是便于求导的平滑函数,其导数为 σ ( x ) ( 1 − σ ( x ) ) \sigma(x)(1-\sigma(x)) σ(x)(1−σ(x))
Cons
- 容易出现gradient vanishing
- 函数输出并不是zero-centered
- 幂运算相对来讲比较耗时
适用场景
- 常用于输出层,多应用在二分类问题、逻辑回归任务及其他神经网络领域
tanh函数
t
a
n
h
(
x
)
=
e
x
−
e
−
x
e
x
+
e
−
x
tanh(x)=\frac{e^{x}-e^{-x}}{e^{x}+e^{-x}}
tanh(x)=ex+e−xex−e−x
tanh读作Hyperbolic Tangent,双曲正切函数
Pros
-
解决了Sigmoid函数的不是zero-centered输出问题
Cons -
梯度消失(gradient vanishing)的问题和幂运算的问题仍然存在
适用场景
- 较多用在自然语言处理的递归神经网络和语音识别任务
Relu函数
R
e
L
u
(
x
)
=
m
a
x
(
0
,
x
)
ReLu(x)=max(0,x)
ReLu(x)=max(0,x)
ReLU函数其实就是一个取最大值函数,注意这并不是全区间可导的,但是我们可以取sub-gradient。
Pros
- 解决了gradient vanishing问题 (在正区间)
- 计算速度非常快,只需要判断输入是否大于0
- 收敛速度远快于sigmoid和tanh
Cons
- ReLU的输出不是zero-centered
- Dead ReLU Problem
适用场景
- 应用最广泛的激活函数,只在隐藏层中使用
Leaky Relu函数(PReLu)
f
(
x
)
=
m
a
x
(
0.01
x
,
x
)
f(x)=max(0.01x,x)
f(x)=max(0.01x,x)
人们为了解决Dead ReLU Problem,提出了将ReLU的前半段设为[公式]而非0。另外一种直观的想法是基于参数的方法,即Parametric ReLU:f(x)=max(ax,x),其中α可由back propagation学出来。
Pros
- Leaky ReLU有ReLU的所有优点,外加不会有Dead ReLU问题,但是在实际操作当中,并没有完全证明Leaky ReLU总是好于ReLU。
Cons
- 需要调参来找到一个好的缓慢下降的参数
适用场景
- 跟ReLu函数应用相近
ELU(Exponential Linear Units)函数
f
(
x
)
=
{
x
,
if
x
>0
α
(
e
x
−
1
)
,
otherwise
f(x)= \begin{cases} x, & \text {if $x$>0} \\ \alpha(e^x-1), & \text{otherwise} \end{cases}
f(x)={x,α(ex−1),if x>0otherwise
ELU也是为解决ReLU存在的问题而提出的
Pros
- ELU有ReLU的基本所有优点
- 不会有Dead ReLU问题
- 输出的均值接近0,zero-center
Cons
- 计算量稍大
适用场景
- 用于加速深层神经网络的训练
MaxOut函数
f ( x ) = m a x ( w 1 T x + b 1 , w 2 T x + b 2 ) f(x)=max(w_1^Tx+b_1,w_2^Tx+b_2) f(x)=max(w1Tx+b1,w2Tx+b2)
Maxout可以看做是在深度学习网络中加入一层激活函数层,包含一个参数k
Pros
- 跳出了点乘的基本形式
- 在所有输入范围上都没有神经元饱和问题
- 拟合能力非常强
Cons
- 使得神经元个数和参数加倍,导致优化困难
适用场景
- 多用于隐藏层
2) 损失函数(Loss Function)
0-1损失函数(zero-one loss)
0-1损失是指预测值和目标值不相等为1,否则为0:
L
(
Y
,
f
(
x
)
)
=
{
1
,
Y
≠
f(x)
0
,
Y
=
f(x)
L(Y,f(x))= \begin{cases} 1, & \text {Y$\neq$f(x)} \\ 0, & \text{Y$=$f(x)} \end{cases}
L(Y,f(x))={1,0,Y=f(x)Y=f(x)
特点:
a.0-1损失函数直接对应分类判断错误的个数,但是它是一个非凸函数,不太适用
b.感知机就是用的这种损失函数。但是相等这个条件太过严格,因此可以放宽条件,即满足
∣
Y
−
f
(
x
)
∣
<
T
|Y-f(x)|<T
∣Y−f(x)∣<T时认为相等,
L
(
Y
,
f
(
x
)
)
=
{
1
,
∣
Y
−
f
(
x
)
∣
≥
T
0
,
∣
Y
−
f
(
x
)
∣
<
T
L(Y,f(x))= \begin{cases} 1, & \text {$|Y-f(x)|\geq T$} \\ 0, & \text{$|Y-f(x)|<T$} \end{cases}
L(Y,f(x))={1,0,∣Y−f(x)∣≥T∣Y−f(x)∣<T
绝对值损失函数
绝对值损失函数是计算预测值与目标值的差的绝对值:
L
(
Y
,
f
(
x
)
)
=
∣
Y
−
f
(
x
)
∣
L(Y,f(x))=|Y-f(x)|
L(Y,f(x))=∣Y−f(x)∣
log损失函数
log对数损失函数的标准形式如下:
L
(
Y
,
P
(
Y
∣
X
)
)
=
−
l
o
g
P
(
Y
∣
X
)
L(Y,P(Y|X))=-logP(Y|X)
L(Y,P(Y∣X))=−logP(Y∣X)
特点:
a. log对数损失函数能非常好的表征概率分布,在很多场景尤其是多分类,如果需要知道结果属于每个类别的置信度,那它非常适合。
b. 鲁棒性不强,相比于hinge loss对噪声更敏感。
c. 逻辑回归的损失函数就是log对数损失函数。
平方损失函数
平方损失函数标准形式如下:
L
(
Y
∣
f
(
X
)
)
=
∑
N
(
Y
,
f
(
X
)
)
2
L(Y|f(X))=\sum_{N}(Y,f(X))^2
L(Y∣f(X))=N∑(Y,f(X))2
特点:
经常应用于回归问题
指数损失(exponential loss)函数
指数损失函数标准形式如下:
L
(
Y
│
f
(
X
)
)
=
e
x
p
[
−
y
f
(
x
)
]
L(Y│f(X) )=exp[-yf(x)]
L(Y│f(X))=exp[−yf(x)]
特点:
对离群点、噪声非常敏感。经常用在AdaBoost算法中。
Hinge损失函数
Hinge损失函数标准形式如下:
L
(
y
│
f
(
x
)
)
=
m
a
x
(
0
,
1
−
y
f
(
x
)
)
L(y│f(x) )=max(0,1-yf(x))
L(y│f(x))=max(0,1−yf(x))
特点:
a.hinge损失函数表示如果被分类正确,损失为0,否则损失就为1-yf(x)。SVM就是使用这个损失函数。
b.一般的f(x)是预测值,在-1到1之间, y是目标值(-1或1)。其含义是,f(x)的值在-1和+1之间就可以了,并不鼓励|f(x)|>1,即并不鼓励分类器过度自信,让某个正确分类的样本距离分割线超过1并不会有任何奖励,从而使分类器可以更专注于整体的误差。
c.鲁棒性相对较高,对异常点、噪声不敏感,但它没太好的概率解释。
感知损失(perceptron loss)函数
感知损失函数的标准形式如下:
L
(
Y
,
f
(
x
)
)
=
m
a
x
(
0
,
1
−
f
(
x
)
)
L(Y,f(x))=max(0,1-f(x))
L(Y,f(x))=max(0,1−f(x))
特点:
是Hinge损失函数的一个变种,Hinge loss对判定边界附近的点(正确端)惩罚力度很高。而perceptron loss只要样本的判定类别正确的话,它就满意,不管其判定边界的距离。它比Hinge loss简单,因为不是max-margin boundary,所以模型的泛化能力没 hinge loss强。
交叉熵损失 (Cross-entropy loss)函数
交叉熵损失函数的标准形式如下:
C
=
−
1
n
∑
x
[
y
l
n
a
+
(
1
−
y
)
l
n
(
1
−
a
)
]
C=-\frac{1}{n}\sum_{x}[y lna+(1-y)ln(1-a)]
C=−n1x∑[ylna+(1−y)ln(1−a)]
其中,x表示样本, y表示预测的输出, a表示实际的输出,n表示样本总数量。
特点:
a.本质上也是一种对数似然函数,可用于二分类和多分类任务中。
二分类问题中的loss函数(输入数据是softmax或者sigmoid函数的输出):
l
o
s
s
=
−
1
n
∑
x
[
y
l
n
a
+
(
1
−
y
)
l
n
(
1
−
a
)
]
loss=-\frac{1}{n}\sum_{x}[y lna+(1-y)ln(1-a)]
loss=−n1x∑[ylna+(1−y)ln(1−a)]
多分类问题中的loss函数(输入数据是softmax或者sigmoid函数的输出):
l
o
s
s
=
−
1
n
∑
x
y
i
ln
a
i
loss=-\frac{1}{n}\sum_{x}y_i\ln a_i
loss=−n1x∑yilnai
b.当使用sigmoid作为激活函数的时候,常用交叉熵损失函数而不用均方误差损失函数,因为它可以完美解决平方损失函数权重更新过慢的问题,具有“误差大的时候,权重更新快;误差小的时候,权重更新慢”的良好性质。
参考文献:
[1] Nwankpa C, Ijomah W, Gachagan A, et al. Activation functions: Comparison of trends in practice and research for deep learning[J]. arXiv preprint arXiv:1811.03378, 2018.
[2] 聊一聊深度学习的activation function [EB/OL].(2017-02-12)[2019-11-13]. https://zhuanlan.zhihu.com/p/25110450
[3] 常用激活函数(激励函数)理解与总结[EB/OL].(2018-05-13)[2019-11-13]. https://blog.csdn.net/tyhj_sf/article/details/79932893
[4] 深度学习中的激活函数汇总[EB/OL].(2018-08-25)[2019-11-13]. http://spytensor.com/index.php/archives/23/
[5] 激活函数(ReLU, Swish, Maxout) [EB/OL].(2017-02-18)[2019-11-13]. https://www.cnblogs.com/makefile/p/activation-function.html
[6] 各种激活函数整理总结[EB/OL].(2018-10-27)[2019-11-13]. https://hellozhaozheng.github.io/z_post/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-%E5%90%84%E7%A7%8D%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0%E6%B7%B1%E5%85%A5%E8%A7%A3%E6%9E%90/
[7] 常见的损失函数(loss function)总结[EB/OL].(2019-07-19)[2019-11-13].
https://zhuanlan.zhihu.com/p/58883095
码字不易,如果您觉得有帮助,欢迎点赞和收藏~~