激活函数总结(三):激活函数补充

本文是激活函数系列的第三篇,补充介绍了Softmax、Softplus、Mish和Maxout四种激活函数。Softmax常用于多分类问题的输出层,Softplus是ReLU的平滑版,解决梯度截断问题。Mish激活函数在多个深度网络中表现出色,而Maxout则是一种灵活的激活函数,能拟合任意凸函数,但参数较多。这些函数各有优缺点,适用于不同的神经网络场景。
摘要由CSDN通过智能技术生成

1 引言

前面的文章中已经介绍了过去大家较为常见的激活函数 (SigmoidTanhReLULeaky ReLUPReLUSwishELUSELUGELU)。在这篇文章中,会接着上文提到的众多激活函数继续进行介绍,给大家带来更多不常见的激活函数的介绍。这里放一张激活函数的机理图:
在这里插入图片描述

最后,对于文章中没有提及到的激活函数,大家可以通过评论指出,作者会在后续的文章中进行添加补充。

2 激活函数

2.1 Softmax激活函数

Softmax函数通常用于多分类问题的输出层。它将每个神经元的原始输出转换为概率分布,确保所有输出的和为1。这使得Sof

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sjx_alo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值