一. 激活函数
激活函数激活函数在神经元中非常重要的。为了增强网络的表示能力和学习能力,
1.激活函数需要具备以下几点性质:
(1)连续并可导(允许少数点上不可导)的非线性函数。可导的激活函数可以直接利用数值优化的方法来学习网络参数。
(2)激活函数及其导函数要尽可能的简单,有利于提高网络计算效率。
(3)激活函数的导函数的值域要在一个合适的区间内,不能太大也不能太小,否则会影响训练的效率和稳定性。
2.作用:把线性函数的值域从实数区间“挤压”到了(0, 1)之间,可以用来表示概率。(可以看做是一个变换域的映射关系,某些书籍中也称为“整流线性单元”),其基础的表示为
3.特点:导数较大,梯度一致,二阶导几乎处处为0,一阶导处处为1
4.目标:解决非线性问题
5.类型:
5.1 Sigmoid(Logistic)
优点:输出映射在(0,1)内,单调连续,求导容易
缺点:输入落在非(-5,5)的区域内,求导接近于0,会导致梯度消失
性质: 1)其输出直接可以看作是概率分布,使