神经网络中的S型函数是什么？

S型函数是什么？有什么用？

S型函数(Sigmoid function)是BP神经网络中常用的非线性作用函数，即sigmoid函数，公式是f(x)=1/(1+e-x)(-x是幂数) Sigmoid函数又分为Log-Sigmoid函数和Tan-Sigmoid函数。

由于BP神经网络的传递函数必须可微，所以感知器的传递函数--二值函数在这里不可用，故BP神经网络一般使用Sigmoid函数或者线性函数作为传递函数。而Sigmoid函数又分为Log-Sigmoid函数(一般所说的S型函数就是这个的简称)和Tan-Sigmoid函数(又称为双曲正切S型函数)，前者的值域为(0，1)，后者的值域为(-1,1)。

Log-Sigmoid函数的表达式:

Log-Sigmoid函数的导数:

Tan-Sigmoid函数的表达式:

Tan-Sigmoid函数的导数:

这两个函数都是连续的、单调递增的数值函数，常被应用于基于BP(误差反向传播)算法的神经网络中。一般情况下，BP神经网络隐含层的传递函数是S形函数，输出层是线性函数。当然，输出层也可采用S型函数，若输出层为S型函数，则输出值的范围为该S型函数的值域。利用S形函数或其导数可以求得BP神经网络里某个神经元的总和、目标值和误差值等。