激活函数作用在更前面,损失函数是针对神经网络的输出进行评估,已经不在神经网络中了。
将输入信号的总和转换为输出信号,这种函数 一般称为激活函数(Activation Function)。激活函数的作用在于决定如何来激活输入信号的总和。
以输出层中第一个输出为例,
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f233e25e16d29e923c80f230b77c17f3.png)
1、sigmoid函数
函数公式:
h
(
x
)
=
1
1
+
e
−
x
h(x)=\frac{1}{1+e^{-x}}
h(x)=1+e−x1
其中e是纳皮尔常数2.7182···
函数图像:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/5297019b79db754ed30951f80ae52d7c.png)
可以看到0.5是分界点
2、符号函数
和阶跃函数的区别?
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/8881b88aab9abaa9245feb3c9f8ebac3.png)