激活函数是让人工智能模拟复杂曲线的关键，如sigmoid函数，它将输出限制在0到1之间，用于二分类问题。通过在模型中引入激活函数，线性方程得以弯曲，能更好地拟合如抛物线等非线性数据。当单一特征无法模拟曲线时，可通过增加神经元数量来提取更多特征，以实现对复杂曲线的精确模拟。
1、关于激活函数
如果按照上一篇文章的思路，人工智能是无法模拟曲线方程的，比如抛物线方程，及时加入再多的参数值，也无法达到效果，所以需要引入激活函数。为了方便这里介绍一种最为简答的函数sigmoid函数，sigmoid函数的原型如下：
这个函数的的曲线图如下所示：
sigmoid函数从一定程度上反应了二分类的思想，在可以将上图的曲线，看成一个概率分布函数，介于0和1之间，可以将0.5作为阈值进行分类。当然在这里我们只是用激活函数来将直线方程弯曲。
2、模型中的激活函数
在上面模型中将原来线性结果使用激活函数进行了曲线化处理，可以使用这个模型模拟一个抛物线函数试试效果。
3、准备训练数据
假
最低0.47元/天 解锁文章
845
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
