深度学习常见的激活函数

一、sigmoid 函数

1.公式

$y(x)=\frac{1}{1+e^{-x}}$

2.图像

3.性质

• (1)$y^{\prime }=y\ast (1-y)$
• (2)$y^{\prime }$导数的最大值为：1/4

4.作用

一般做神经网络最后一层的二分类来用

二、softmax函数

1.公式

$y(x)=\frac{e^{x}i}{{\sum }_{i=1}^m{e}^{x}i}$

2.图像

softmax没有图像，刻画的是百分比，解释图像为

4.作用

一般做神经网络最后一层的多分类来用

三、tanh函数

1.定义

$y(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$

2.图像

3.性质

• (1)$y^{\prime }=1-y^2$
• (2)$y^{\prime }$导数的最大值为：1

四、RELU函数

1.定义

2.图像

参考文献
1.https://blog.csdn.net/u014665013/article/details/86600489