几种常见激活函数的图像绘制

神经 网络(neural networks) 方面 的研究很早就 今天"神经网络"
己是 个相当大的 多学科交叉的学科领域.各相关学科对神经网络的定义多
种多样，本书采用目前使用得最广泛的 ，即"神经网络是由具有适应性的
简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实
世界 体所作出的交互反应 [Kohonen, 988] 我们在机器学习 中谈论神经网
络时指 的是"神经网络学 者说，是机器学习与神经网络这两个学科领
域的交叉部分
神经网络中最基本的成分是神经元(neur 且)模型，即上述定义中的"简单
单元"在生物神经网络中 每个神经元与其他神经元相连，当它"兴奋"时，
就会 相连的神经元发送化学 ，从而改变这些神 内的电位;如果某
经元的电位超过了 个"阔值" (thr ho 那么它就会被激活 "兴奋
起来，向其他神经元发送化学物质.
1943 年， [McCulloch and Pitts, 1943] 将上述情形抽象为国 .1 所示的简单
模型，这就是 直沿用至 "M-P 经元模 模型.

1.$sigmoid(x)=\frac{1}{1+e^{-x}}$

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False # 加入这条语句解决负号乱码问题
plt.rcParams['font.family']='FangSong' # 加入这条语句解决中文乱码问题

X1 = np.linspace(-5, 5, 40)
Y1 = 1/(1+np.e**(-X1))



def plot_figure(X,Y,figure_name):
    plt.figure(dpi=200)

if __name__ == '__main__':


    plt.plot(X1,Y1)
    plt.title("$sigmoid(x)=\\frac{1}{1+e^{-x}}$")

    plt.xlabel('X ')
    plt.ylabel('Y ')
    plt.xlim((-5, 5))
    plt.ylim((0, 1))
    plt.grid()
    # 获取当前的坐标轴, gca = get current axis
    ax = plt.gca()
    # 设置右边框和上边框
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    # 设置x坐标轴为下边框
    ax.xaxis.set_ticks_position('bottom')
    # 设置y坐标轴为左边框
    ax.yaxis.set_ticks_position('left')

    ax.spines['bottom'].set_position(('data', 0))
    ax.spines['left'].set_position(('data', 0))



    plt.show()

2. g ( z ) = e x − e − x e x + e − x g(z)=\frac{e^{x}-e^{-x}}{e^{x}+e^{-x}}