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。
理解激活函数
最新推荐文章于 2024-08-27 00:37:23 发布
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