概述
- 神经网络中激励函数的作用通俗上讲就是将多个线性输入转换为非线性的关系
- 激活函数必须是非线性函数
- 线性函数的问题在于,不管如何加深层数,总是存在与之等效的“无隐藏层的神经网络”,无法了发挥叠加层所带来的优势
h(x) = cx作为激活函数,把y(x) = h(h(h(x)))的运算对应3层神经网络A,但他又等价于y(x) = ax( a = c 3)
- 输出层的激活函数需要根据情况决定,可能与前面隐层的激活函数不一样
常见激活函数
阶跃函数
普通阶跃函数
def step_function(x):
if x > 0:
return(1)
else:
return (0)
这个形式很简单,但有时参数是numppy.array,它接受不了数组,于是
def step_function(x):
y = x