【干货】通俗理解神经网络中激活函数作用
推薦閱讀時(shí)間8min~13min
主要內(nèi)容:通俗理解激活函數(shù),主要來(lái)自我在學(xué)習(xí)會(huì)的slides,講解了激活函數(shù)的非線性能力和組合特征的作用
下面我分別對(duì)激活函數(shù)的兩個(gè)作用進(jìn)行解釋。
好吧,很容易能夠看出,我給出的樣本點(diǎn)根本不是線性可分的,一個(gè)感知器無(wú)論得到的直線怎么動(dòng),都不可能完全正確的將三角形與圓形區(qū)分出來(lái),那么我們很容易想到用多個(gè)感知器來(lái)進(jìn)行組合,以便獲得更大的分類問(wèn)題,好的,下面我們上圖,看是否可行
好的,我們已經(jīng)得到了多感知器分類器了,那么它的分類能力是否強(qiáng)大到能將非線性數(shù)據(jù)點(diǎn)正確分類開呢~我們來(lái)分析一下:
如果我們的每一個(gè)結(jié)點(diǎn)加入了階躍函數(shù)作為激活函數(shù)的話,就是上圖描述的
那么隨著不斷訓(xùn)練優(yōu)化,我們也就能夠解決非線性的問(wèn)題了~
所以到這里為止,我們就解釋了這個(gè)觀點(diǎn),加入激活函數(shù)是用來(lái)加入非線性因素的,解決線性模型所不能解決的問(wèn)題。
下面我來(lái)講解另一個(gè)作用
我們可以通過(guò)上圖可以看出,立方激活函數(shù)已經(jīng)將輸入的特征進(jìn)行相互組合了。
通過(guò)泰勒展開,我們可以看到,我們已經(jīng)構(gòu)造出立方激活函數(shù)的形式了。
于是我們可以總結(jié)如下:
這就把原來(lái)需要領(lǐng)域知識(shí)的專家對(duì)特征進(jìn)行組合的情況,在激活函數(shù)運(yùn)算后,其實(shí)也能夠起到特征組合的作用。(只要激活函數(shù)中有能夠泰勒展開的函數(shù),就可能起到特征組合的作用)
這也許能給我們一些思考。
總結(jié)
以上是生活随笔為你收集整理的【干货】通俗理解神经网络中激活函数作用的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: 有人问我:AI这么火,要不要去追赶AI的
- 下一篇: 正态分布为什么常见?