神经网络引入了非线性,采用非线性的激励机制

神经网络的激活函数都采用非线性函数，如阈值型或S型，为何不采用线性激活函数？

为什么需要非线性激活函数

爱发猫 www.aifamao.com。

如果使用线性激活函数或者没有使用一个激活函数，那么无论神经网络有多少层一直在做的只是计算线性函数，线性隐层一点用也没有，因为这两个线性函数的组合本身就是线性函数，所以除非引入非线性，否则无法计算非线性的函数，即使网络层数再多也不行；

bp神经网络为什么要采用非线性函数来进行预测？

提问：bp神经网络为什么要采用非线性函数来进行预测？回答：简单的讲，主要是复杂的bp神经网络的行为动态及神经元之间的相互作用是无法用简单的线性函数来描述的！

一般来讲，用数学函数模拟一个系统输入与输出的关系（系统函数）时，设其函数为f(x),则它可以表征为一个输入变量x的多项式，即f(x)=∑an*x^n∣n=0->∞.;当n≥2时，f(x)就成为非线性函数了。

an是每个x高次项的系数。可以用具体的实际实验数据来确定。

神经网络中的激励函数是干什么用的，麻烦用通俗的话讲，谢谢

激活函数 为什么使用非线性激活函数

。

如果使用线性激活函数或者没有使用一个激活函数，那么无论神经网络有多少层一直在做的只是计算线性函数，线性隐层一点用也没有，因为这两个线性函数的组合本身就是线性函数，所以除非引入非线性，否则无法计算非线性的函数，即使网络层数再多也不行；

神经网络中ReLU是线性还是非线性函数？如果是线性的话为什么还说它做激活函数比较好？

1、严格来说的话ReLU算是分段线性函数。中间隐层激活函数采用线性函数（例如恒等变换）不好是因为，最后算下来多层网络跟单层网络一个效果。其实激活函数的存在是为了神经网络更好的拟合目标函数而已。

2、ReLU比sigmoid和tanh好是因为它的收敛速度快（sigmoid、tanh函数在自变量比较大的时候导数很小，采用梯度下降法变化缓慢，特别是多层网络就更慢了）,计算量比较小（只需要一个阈值进行比较而不需要做函数运算）。

神经网络具有非线性处理功能吗？为什么？

神经网络具有极强的非线性映射能力，按照一定的智能算法通过相当数量的训练找出模式与类别之间的内在联系。

因此,以故障特征向量为神经网络的输入,以故障标识为输出,通过一定量的样本学习训练,将诊断知识储存于网络的拓扑结构和连接权值之中,从而形成从故障征兆到故障识别的非线性映射。

为什么神经网络能实现非线性分类