深度学习案例教程 课件3.3激活函数的含义_第1页
深度学习案例教程 课件3.3激活函数的含义_第2页
深度学习案例教程 课件3.3激活函数的含义_第3页
深度学习案例教程 课件3.3激活函数的含义_第4页
深度学习案例教程 课件3.3激活函数的含义_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第二节激活函数的含义激活函数Sigmoid函数神经网络中经常使用的一个激活函数就是如图表示的sigmoid函数(sigmoidfunction)。图中的exp(−x)表示ⅇ−x的意思。e是纳皮尔常数2.7182…。该式子表示的的sigmoid函数看上去有些复杂，但它也仅仅是个函数而已。而函数就是给定某个输入后，会返回某个输出的转换器。神经网络中用sigmoid函数作为激活函数，进行信号的转换，转换后的信号被传送给下一个神经元。激活函数ReLU函数在神经网络发展的历史上，sigmoid函数很早就开始被使用了，而最近则主要使用ReLU

(RectifiedLinearUnit)函数。激活函数ReLU函数ReLU（RectifiedLinearUnit）是一种常用的神经网络激活函数，具有以下优点计算速度快：ReLU函数的计算非常简单，只需要判断输入是否大于0，因此计算速度非常快。收敛速度快：ReLU函数在非负区间内斜率为1，因此当输入大于0时，梯度不会变得特别小，这有助于避免梯度消失问题，提高网络的训练速度和稳定性。非线性：ReLU函数在输入大于0时是线性的，在输入小于等于0时是非线性的，因此可以帮助神经网络学习非线性的特征。激活函数Tanh函数Tanh函数激活函数Tanh函数优点：有助于减缓梯度的消失问题，提高模型的训练效果。缺点：它的输出范围为[-1,1]，因此需要对输入数据进行归一化，避免输出值过大或过小。激活函数Softmax函数Softmax是常用且重要的一种归一化函数，其将输入值映射为0-1之间的概率实数，常用于多分类。激活函数Softmax函数Softmax函数的优点包括：1.输出结果可解释性强，可以表示不同类别的概率分布。2.可以使用交叉熵损失函数来训练分类模型，简化模型训练过程。3.Softmax函数具有平

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论