开发工具:
文件大小: 78kb
下载次数: 0
上传时间: 2021-01-07
详细说明：1.为什么要使用激活函数
因为线性函数能拟合的模型太少，多层线性神经网络的叠加仍为线性，加上非线性可以改善拟合效果。
2.激活函数的要求
非线性，可微（反向传播）。
3.常用的激活函数
Sigmoid
能够把输入的连续实值变换为0和1之间的输出。
缺点：当输入值特别大或特别小时函数的梯度会很小（函数的斜率接近0），这样会降低梯度下降算法的效率，当神经网络层数过多时容易导致梯度消失。
tanh
能够把输入的连续实值变换为-1和1之间的输出。
tanh几乎在所有情况下的表现都比sigmoid好，因为它的输出值介于-1到1，激活函数的平均值更接近于0，这样可以达到类似zero-centered（数
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
