其他分享
首页 > 其他分享> > 前馈神经网络

前馈神经网络

作者:互联网

前馈神经网络

4.1 神经元

  人工神经元( Artificial Neuron ),简称神经元( Neuron ),是构成神经网络的基本单元,其主要是模拟生物神经元的结构和特性,接收一组输入信号并产生输出.

图 4.1 给出了一个典型的神经元结构示例.

下面介绍几种在神经网络中常用的激活函数.

4.1.1 Sigmoid 型函数

  Sigmoid 型函数是指一类 S 型曲线函数,为两端饱和函数.常用的 Sigmoid型函数有 Logistic 函数和 Tanh 函数.

  图 4.2 给出了 Logistic 函数和 Tanh 函数的形状. Tanh 函数的输出是零中心化的(Zero-Centered ),而 Logistic 函数的输出恒大于 0 .非零中心化的输出会使得其后一层的神经元的输入发生偏置偏移( Bias Shift ),并进一步使得梯度下降的收敛速度变慢.

  Hard-Logistic 函数和 Hard-Tanh 函数:Logistic 函数和 Tanh 函数都是 Sigmoid 型函数,具有饱和性,但是计算开销较大.因为这两个函数都是在中间( 0 附近)近似线性,两端饱和.因此,这两个函数可以通过分段函数来近似.

图 4.3 给出了 Hard-Logistic 函数和 Hard-Tanh 函数的形状.

4.1.2 ReLU 函数

  ReLU ( Rectified Linear Unit ,修正线性单元)也叫Rectifier 函数 ,是目前深度神经网络中经常使用的激活函数.ReLU 实际上是一个斜坡( ramp )函数.

在实际使用中,为了弥补Relu函数的缺点,有几种 ReLU 的变种也会被广泛使用.