激活函数
输入:权重和加偏置
输出:神经元的激活值
为什么激活函数都是非线性的呢?
如果激活函数是线性的,输入输出如下图所示。激活函数的输出值我们可以通过再次训练权重w和偏置b来获得,这样我们通过激活函数的意义就没了。
带权输入 相当于线性映射
经过激活函数(sigmoid,ReIU等非线性的激活函数)相当于进行非线性映射
个人的理解:有些分类是线性函数无法解决的 各种线性函数的部分区域经过不同的激活函数进行扭曲 不同激活函的扭曲的方法不同 网络层次越深 扭曲的次数越多 对数据的拟合越好 所以网络才会加强决策函数的非线性能力。
决策函数:就是确定决策边界的那个函数