一、基本神经元:
神经元模型:用数学公式表示为:
f 为激活函数,w为权重,b为偏置。人工神经网络是由神经元构成的。
二、什么是激活函数?
将线性函数转变为非线性函数,负责将神经元的输入映射到输出端。
激活函数(Activation functions)对于人工神经网络模型的学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。在神经元中,输入的 inputs 通过加权,求和后,还被作用了一个函数,这个函数就是激活函数。引入激活函数是为了增加神经网络模型的非线性。没有激活函数的每层都相当于矩阵相乘。就算你叠加了若干层之后,无非还是个矩阵相乘罢了。
三、激活函数的作用:
如果不使用激活函数,我们的每一层输出只是承接了上一层输入函数的线性变换,无论神经网络有多少层,输出都是输入的线性组合。如果使用的话,激活函数给神经元引入了非线性的因素,使得神经网络可以逼近任何非线性函数,