理解激活函数

激活函数在神经网络中起到至关重要的作用,因为非线性的激活函数如sigmoid能够确保多层网络的有效性。线性激活函数会导致层的叠加失去意义,而非线性函数则能利用多层结构的优势,增加模型的表达能力。博客讨论了为什么非线性是必要的,并通过例子解释了线性激活函数的局限性。
摘要由CSDN通过智能技术生成

激活函数必须是非线性的,如sigmoid ——s(x)=1/(1+e^(-x))
这样才能使神经网络中多加的层有效,
例:
如果是线性的H(x)=cx,多加层之后是y(x)=h(h(h(x)))=ccc*x,是可以用y=c^3x来代表的,这样是没有意义的。
所以,为了发挥出多层网络所带来的优势,激活函数就必须是线性函数。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值