神经网络中的激活函数

最新推荐文章于 2024-10-09 12:10:59 发布

要好好学习呀！

最新推荐文章于 2024-10-09 12:10:59 发布

阅读量5.3k

点赞数 9

分类专栏：机器学习文章标签：深度学习机器学习神经网络

本文链接：https://blog.csdn.net/hxx123520/article/details/104042112

版权

机器学习专栏收录该内容

13 篇文章 0 订阅

订阅专栏

神经网络中的激活函数

1.什么是激活函数？

神经网络中，在隐藏层接一个线性变换后，再接一个非线性变换（sigmoid、tanh、ReLu等），这种非线性变换叫做激活函数（Activation Function）或者传递函数。
在这里插入图片描述

2.为什么要使用激活函数？

激活函数一般都是非线性函数，神经网络中的激活函数它的主要作用是提供网络的非线性建模能力。如果你的神经网络模型中，使用线性激活函数或者没有使用一个激活函数，那么无论多少层的神经网络模型一直在做的只是计算线性函数，不如去掉全部隐藏层。在实例中证明，在隐藏层使用线性激活函数，输出层用sigmoid函数，这个模型的复杂度和没有隐藏层的logistic回归是一样的。
在神经网络中，隐藏层使用线性激活函数几乎没啥用处，线性函数的组合本身就是线性函数。当引入非线性激活函数才会让模型变得有意义。

3.常用的激活函数

3.1 sigmoid函数/Logistic函数

sigmoid函数： $a=g\left ( z \right )=\frac{1}{1+e^{-z}}$
sigmoid函数的导数： $g({z})'=\frac{d}{dz}g\left ( z \right )=\alpha (1-\alpha )$
在这里插入图片描述缺点：
1.sigmoid在定义域内处处可导，并且导数逐渐趋近于0。如果Z值很大或者很小的时候，函数的梯度（斜率）也就会非常小，在反向传播过程中，导致向底层传输的梯度也变得非常小，此时网络参数很难得到有效训练。这种现象称为梯度消失。
2.sigmoid的输出不是以0为中心。导致在反向传播过程中，要么都往正方向更新要么往负方向更新，使得收敛缓慢。
3.解析式中含有幂运算，计算求解比较耗时。

sigmoid代码实现如下：

def sigmoid(x):
    """sigmoid函数"""
    return 1 / (1 + np.exp(-x))
     
def der_sigmoid(x):
     """sigmoid函数的导数"""
    return sigmoid() * (1 - sigmoid(x))

3.2 tanh函数（双曲正切函数）

tanh函数： $a=g\left ( z \right )=tanh\left ( z \right )=\frac{e^{z}-e^{-z}}{e^{z}+e^{-z}}$
tanh函数的导数： $g(z)'=\frac{d}{dz}g(z)=1-(tanh(z))^{2}$
在这里插入图片描述优点：
tanh函数解决了sigmoid函数的不是zero-centered输出问题，输出均值是0。

缺点：
sigmoid函数和tanh函数两者共同的缺点：在𝑧特别大或者特别小的情况下，导数的梯度或者函数的斜率会变得特别小，最后就会接近于 0，导致降低梯度下降的速度。

tanh代码实现如下：

def tanh(x):
    """tanh函数"""
    return ((np.exp(x) - np.exp(-x)) / (np.exp(x) + np.exp(-x)))
 
def der_tanh(x):
    """tanh函数的导数"""
    return 1 - tanh(x) * tanh(x)

3.3 ReLu函数（修正线性单元函数）

ReLu函数： $a = m a x (0, z)$
ReLu函数的导数： $g(z)^{'}=\begin{Bmatrix} 0 ,& if z<0\\ 1,& if z>0\\ undefined,& if z=0 \end{Bmatrix}$

在这里插入图片描述优点：
ReLu函数是目前最常用的默认选择激活函数。当x>0时，不存在饱和问题，在x>0时保持梯度不衰减，缓解梯度消失的问题。并且收敛速度远快于sigmoid和tanh。

缺点：
当x<0时，ReLu硬饱和，随着训练的推进，部分输入会落入到硬饱和区，导致权重无法更新。和sigmoid类似，ReLu的输出均值大于0，出现偏移现象。

ReLu代码实现如下：

def relu(x):
    """relu函数"""
    temp = np.zeros_like(x)
    if_bigger_zero = (x > temp)
    return x * if_bigger_zero
 
def der_relu(x):
    """relu函数的导数"""
    temp = np.zeros_like(x)
    if_bigger_equal_zero = (x >= temp)
    return if_bigger_equal_zero * np.ones_like(x)

3.4 Leaky-ReLu函数(PReLu)

PReLu函数： $a = m a x (α z, z)$
ReLu函数的导数： $g(z)^{'}=\begin{Bmatrix} \alpha ,& if z<0\\ 1,& if z\geq 0 \end{Bmatrix}$
在这里插入图片描述 PReLU也是针对ReLU的一个改进型，在负数区域内，PReLU有一个很小的斜率，这样也可以避免ReLU死掉的问题。相比于ELU，PReLU在负数区域内是线性运算，斜率虽然小，但是不会趋于0，这算是一定的优势吧。

我们看PReLU的公式，里面的参数α一般是取0~1之间的数，而且一般还是比较小的，如零点零几。当α=0.01时，我们叫PReLU为Leaky ReLU，算是PReLU的一种特殊情况吧。

PReLu代码实现如下：

def prelu(x):
    """prelu函数"""
    return np.where(x<0,alpha * x,x)

def der_prelu(x):
    """prelu函数的导数"""
    return np.where(x<0,alpha,1)

3.5 softmax函数

softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解。
softmax函数公式：
$S_{i}=\frac{e^{i}}{\sum _{j}e^{j}}$
接下来对公式进行细分说明：

(1)非线性变换之前计算： $z^{(l)}=W^{(l)}a^{(l-1)}+b^{(l)}$
(2)经过非线性变换，临时变量： $t=e^{Z^{l}}$
(3)归一化: $a^{l}=\frac{t_{i}}{\sum_{j=1}^{n}t_{j}}$
(4) $a^{l}$ 表示的就是第几个类别的概率值，这些概率值和为1.

举例如下：
在这里插入图片描述
softmax直白来说就是将原来输出是3,1,-3通过softmax函数一作用，就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么我们就可以将它理解成概率，在最后选取输出结点的时候，我们就可以选取概率最大（也就是值对应最大的）结点，作为我们的预测目标。

3.6 MaxOut函数

Maxout模型实际上也是一种新型的激活函数，我们要先知道什么是maxout。我们假设网络某一层的输入特征向量为：X=（x1,x2,……xd），也就是我们输入是d个神经元。Maxout隐藏层每个神经元的计算公式如下：
$h_{i}(x)=\underset{j\in \left [ 1,k \right ]}{max (Z_{ij})}$

上面的公式就是maxout隐藏层神经元i的计算公式。其中，k就是maxout层所需要的参数了，由我们人为设定大小。就像dropout一样，也有自己的参数p(每个神经元dropout概率)，maxout的参数是k。公式中Z的计算公式为：
$z_{ij}=x^{T}W_{...ij} + b_{ij}$
权重w是一个大小为(d,m,k)三维矩阵，b是一个大小为(m,k)的二维矩阵，这两个就是我们需要学习的参数。如果我们设定参数k=1，那么这个时候，网络就类似于以前我们所学普通的MLP网络。

我们可以这么理解，本来传统的MLP算法在第i层到第i+1层，参数只有一组，然而现在我们不怎么干了，我们在这一层同时训练n组参数，然后选择激活值最大的作为下一层神经元的激活值。下面还是用一个例子进行讲解，比较容易搞懂。

为了简单起见，假设我们网络第i层有2个神经元x1、x2，第i+1层的神经元个数为1个，如下图所示：
在这里插入图片描述
(1)以前MLP的方法。我们要计算第i+1层，那个神经元的激活值的时候，传统的MLP计算公式就是：
$z = W * X + b$
$o u t = f (z)$
其中f就是我们所谓的激活函数，比如Sigmod、Relu、Tanh等。

(2)Maxout 的方法。如果我们设置maxout的参数k=5，maxout层就如下所示：
在这里插入图片描述相当于在每个输出神经元前面又多了一层。这一层有5个神经元，此时maxout网络的输出计算公式为：
z1=w1*x+b1

z2=w2*x+b2

z3=w3*x+b3

z4=w4*x+b4

z5=w5*x+b5

out=max(z1,z2,z3,z4,z5)

也就是说第（i+1）层的激活值计算了5次，可我们明明只需要1个激活值，那么我们该怎么办？其实上面的叙述中已经给出了答案，取这5者的最大值来作为最终的结果。
总结一下，maxout明显增加了网络的计算量，使得应用maxout的层的参数个数成k倍增加，原本只需要1组就可以，采用maxout之后就需要k倍了。

再叙述一个稍微复杂点的应用maxout的网络，网络图如下：
在这里插入图片描述对上图做个说明，第i层有3个节点，红点表示，而第（i+1）层有4个结点，用彩色点表示，此时在第（i+1）层采用maxout（k=3）。我们看到第（i+1）层的每个节点的激活值都有3个值，3次计算的最大值才是对应点的最终激活值。我举这个例子主要是为了说明，决定结点的激活值的时候并不是以层为单位，仍然以节点为单位。

优点：
与常规激活函数不同的是,它是一个可学习的分段线性函数.然而任何一个凸函数，都可以由线性分段函数进行逼近近似。其实我们可以把以前所学到的激活函数：ReLU、abs激活函数，看成是分成两段的线性函数，如下示意图所示：
在这里插入图片描述实验结果表明Maxout与Dropout组合使用可以发挥比较好的效果。
那么,前边的两种ReLU便是两种Maxout,函数图像为两条直线的拼接。