神经网络在通信中的应用,神经网络 传递函数

神经网络的激活函数和传递函数有什么区别？

理论上讲任何一个连续的非多项式、常数函数都可以做为BP的激活函数，而且这都是已经在数学上证明过的问题。

但sigmoid函数相对其他函数有它自身的优点，比如说光滑性，鲁棒性，以及在求导的时候可以用它自身的某种形式来表示 。这一点在做数值试验的时候很重要，因为权值的反向传播，要求激活函数的导数 。

多层就有多个导数，如果用一般的连续函数，这对计算机的存储和运算都是一个问题，此外还要考虑整个模型的收敛速度，我上面提到连续函数都可以做激活函数 。

但是相应的Sigmoidal型函数的收敛速度还是比较快的，（相同的结构前提下）还有就是BP在做分类问题的时候，Sigmoidal函数能比较好的执行这一条件，关于连续函数可以做激活函数的证明，可以在IEEE trans. on neural networks 和NeuralNetworks以及Neural Computating 和Neural Computation上找到。

谷歌人工智能写作项目：神经网络伪原创

BP神经网络matlab工具箱中的激励函数（传递函数），训练函数，学习函数

激励函数用于神经元由输入计算输出的，而训练函数和学习函数是基于误差，来修改权值和阈值的，再就完成了一次训练，然后继续迭代，知道达到迭代次数或满足精度