深度学习公式推导（2）：激活函数与偏置

上一节讲到神经元接受到信号量以后点火的公式：

x1、x2、x3是否有信号输入，w1 、w2、w3 是信号量的权重，θ 是点火的阀值，最后得到的结果y 表示是否点火， 结果 0 表示 不点火， 结果1 表示点火。

激活函数

虽然通过上面的公式我们可以得到y 是否点火，这里有一个假设，也就是y 只有两种结果，也就是点火或者是不点火。

所以，上面的公式是一个阶跃函数，结果是0和1，也就是线性函数。

但是在实际情况中 y 点火这件事情是存在概率的，例如 64% 的机率点火，有36%的机率不点火。为了达到这个效果就需要将 线性函数转化成非线性函数，这里就需要引入激活函数，激活函数可以将点火这件事的概率描述清楚。

如果说我们将这个激活函数称作a 的话，那么就将公式变为如下样子：

具体的激活函数a，可以用Sigmoid 函数来代替。

<