对不同激活函数在神经网络中的比较分析
来源:互联网 发布:用js写满天闪烁的星星 编辑:程序博客网 时间:2024/05/29 11:42
针对当下几种神经网络中的激活函数进行比较对比。
sigmoid激活函数
表达式为
其优点为:
求导方便,
σ′(x)=σ(x)(1−σ(x)) ;结果具有很好的解释性,因为其值域范围只在0到1之间,因此可以解释为概率。
缺点为:
- 太容易饱和了,因为在
σ(x) 接近0或1时,导数几乎为0。因此会导致收敛速度较慢。特别地,当初始化权值过大时,在开始阶段就会饱和,从而无法迭代更新; - 当输入为0时,结果不为0。我们更希望当输入为0时,输出也为0。
tanh激活函数
表达式为
其优点为:
- 求导也相对容易,
tanh′(x)=1−tanh2(x) ; - 是奇函数,也就是当输入为0时,输出也为0。
缺点为:
- 存在和sigmoid函数同样的饱和问题。
ReLU函数
表达式为
其优点为:
- 函数表达式求导都特别简单,
f′(x)=
阅读全文
0 0
- 对不同激活函数在神经网络中的比较分析
- 神经网络激活函数比较
- 激活函数在神经网络中的功能
- 神经网络中的激活函数
- 神经网络中的激活函数
- 神经网络中的激活函数
- 神经网络中的激活函数
- 神经网络中激活函数比较
- 4用于cifar10的卷积神经网络-4.17cifar10卷积网络在不同激活函数下的性能分析
- 浅析神经网络中的激活函数
- 神经网络中的各种激活函数
- 理解激活函数在神经网络模型构建中的作用
- 神经网络不同激活函数比较--读《Understanding the difficulty of training deep feedforward neural networks》
- 深度学习:神经网络中的激活函数
- CS231n课程笔记5.1:神经网络历史&激活函数比较
- 神经网络激活函数
- 神经网络-激活函数
- 神经网络激活函数链接
- 这也许是最具珍藏价值的Oracle DBA生存宝典!
- Idea Maven项目搭建spring 框架
- 初识monkeyrunner
- Java方法
- 6数据库的连接
- 对不同激活函数在神经网络中的比较分析
- php 冒泡排序&快速排序
- mybatis+ehcache走过的坑
- LaTeX Error: Unknown graphics extension: .eps 处理
- laravel 5.4 composer 安装心的
- nova 热迁移卷 的关键代码 rebase说明
- 03:基因相关性(1.7编程基础之字符串)
- 图解JVM内存结构及内存/栈溢出原因解析
- TurboPixels: Fast Superpixels Using Geometric Flows