什么是激活函数?
如图1,在神经元中,输入的 inputs 通过加权,求和后,还被作用了一个函数,这个函数就是激活函数。引入激活函数是为了增加神经网络模型的非线性。如果不用激活函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,这种情况就是最原始的感知机(Perceptron)。激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。
图1 神经网络示意图
下面我将介绍深度学习中常用的激活函数
linear(线性激活函数)
linear函数的表达式为:
即不做任何改变。
exponential(自然数指数激活函数)
exponential函数的表达式为:
sigmoid
sigmoid函数的定义为:
sigmoid函数的图像如下:
sigmoid函数图像
sigmoid函数的导数为:
导函数图像为:
sigmoid导函数图像
优点:sigmoid函数可以将实数映射到