sigmoid:

tanh:

ReLU,线性整流函数(Rectified Linear Unit):


relu函数有哪些优势:
1. relu更符合大脑神经元的工作原理
从relu图像中可以看出,在x<=0的范围内都处于非激活状态,只在x>0时激活,这样保证了网络的稀疏性。而其他激活函数始终处于激活状态,只不过激活的程度不同,这与大脑神经元的工作方式不同。所以,从稀疏性的角度来说,relu更符合大脑神经元的工作原理。
2. relu运算速度足够快
sigmoid和 tanh等激活函数都是指数运算。而relu如果不激活,直接置零,即使激活,也是线性运算,速度非常快。
3. 避免梯度爆炸和梯度消失
4. 更符合生物神经元刺激曲线

上图是生物神经元激活的曲线。横轴是激活电流,纵轴是发射频率。发射频率我们可以简单理解为单位时间内的平均电峰数量,也就是细胞核对输入的触发响应。例如受神经驱动的肌肉的收缩力量,就单纯取决于动作神经元的"发射频率",也就是单位时间内的平均电峰数量。
可以看到,对于生物神经元的刺激曲线,有如下特点:

  • 单侧抑制
  • 广阔的兴奋区域
    这些特点恰好都是relu所具备的,而前面介绍的sigmoid和tanh激活函数在两侧都有明显的抑制,与实际的生物神经元工作机理不同。

参考文献:

  • https://zhuanlan.zhihu.com/p/63775557
  • https://www.zhihu.com/question/52668301

sigmoid、tanh、relu激活函数相关推荐

  1. 三种激活函数——Sigmoid,Tanh, ReLU以及卷积感受野的计算

    1. 三种激活函数--Sigmoid, Tanh, ReLU 1.1 Sigmoid 1.1.1 公式 S ( x ) = 1 1 + e − x S(x) = \frac{1}{1 + e^{-x} ...

  2. Sigmoid和Relu激活函数的对比

    深度学习笔记(4)--Sigmoid和Relu激活函数的对比 https://blog.csdn.net/qq_21190081/article/details/64127103 Relu是一个非常优 ...

  3. 激活函数总结sigmoid,tanh,relu,Leaky ReLU,RRelu,ELU,PRelu,SELU,swish

    本文总结深度学习的损失函数及其优缺点. 激活函数是深度学习模型的重要成分,目的是将线性输入转换为非线性.常见的激活函数有sigmoid,tanh,ReLU等 1.sigmoid Sigmoid 非线性 ...

  4. 【深度学习】激活函数:原理+常见激活函数(Sigmoid\Tanh\ReLU\Leaky ReLU\Softmax)

    首先需要知道为什么要引入激活函数:激活函数是用来加入非线性因素的,因为线性模型的表达能力不够.引入非线性激活函数,可使深层神经网络的表达能力更加强大. 在深度学习中,线性模型只需要简单的全连接层就能实 ...

  5. 常见激活函数持续更新)sigmoid Tanh Relu Leaky-ReLU RReLU

     激活函数是来向神经网络中引入非线性因素的,通过激活函数,神经网络就可以拟合各种曲线. sigmoid 公式: 函数图像:  Sigmoid函数也叫 Logistic 函数,用于隐层神经元输出,取值范 ...

  6. 常用的激活函数汇总-Sigmoid, tanh, relu, elu

    激活函数(又叫激励函数,后面就全部统称为激活函数)是模型整个结构中的非线性扭曲力,神经网络的每层都会有一个激活函数.那他到底是什么,有什么作用?都有哪些常见的激活函数呢? 深度学习的基本原理就是基于人 ...

  7. 【Pytorch神经网络理论篇】 07 激活函数+Sigmoid+tanh+ReLU+Swish+Mish+GELU

    ①激活函数:主要通过加入非线性因素,你不线性模型表达能力不足的缺陷,因为神经网络中的数学基础是处处可微分的函数,故要求激活函数也应该保证数据的输入与输出是可微分. ②激活函数可以分为饱和激活函数与不饱 ...

  8. 激活函数--Sigmoid,tanh,RELU,RELU6,Mish,Leaky ReLU等

    激活函数 目前自己使用比较多的激活函数RELU, RELU6; LeakyReLU; SELU; Mish :激活函数看:计算量:准确率: 大多数激活函数pytorch里有已经包装好了: Non-li ...

  9. 深度学习- 激活函数总结(Sigmoid, Tanh, Relu, leaky Relu, PReLU, Maxout, ELU, Softmax,交叉熵函数)

    激活函数是用来加入非线性因素的,解决线性模型所不能解决的问题 激活函数通常有以下性质 – 非线性 – 可微性 – 单调性 –

  10. 3 神经网络基础(阶跃、sigmoid、relu激活函数的代码实现)

    目录 1. 输入权重计算 2.与门的实现 3.非门的实现 4.或门的实现 5.感知机可以实现与.或.非门的逻辑 6.阶跃函数的实现 7.sigmoid 函数的实现 8.阶跃函数和sigmoid函数相比 ...

最新文章

  1. python用途与前景-2019年Python就业及发展前景如何 看完你就清晰了
  2. 多选取值_R语言缺失值的处理——回归预测法
  3. QT的QTextStream类的使用
  4. angular js环境配置
  5. 网络基础一(协议的概念,网络应用程序设计模式)
  6. Permissions for id_rsa are too open
  7. “横平竖直”进行连线+将相邻框进行合并
  8. 软件开发报价模板_模板类app开发价格是多少钱?
  9. python numpy : list VS np.array
  10. vs2015 下配置sfml
  11. Nginx核心原理揭秘:Nginx为什么高效?
  12. 暗物质影响星系,有没有影响太阳系
  13. MRPT笔记——MRPT在VS2013中的配置
  14. 基础算法练习200题07、编框
  15. 【Python】可视化台风路径轨迹图
  16. 中文三元组联合标注工具LAnn介绍
  17. 51单片机使用超声波进行测距
  18. 电脑卡顿反应慢怎么办?这几招教给你!
  19. Hadoop02---HDFS基础(HDFS原理 java客户端).md
  20. 蓝桥杯单片机备考必看内容,学习一周,保底省三!

热门文章

  1. Linux定时备份oracle数据库
  2. 死磕cglib系列之一 cglib简介与callback解析
  3. mac在App Store下载更新软件失败的解决方法
  4. Autodesk 产品
  5. 前端可不止页面美化这么简单,用户体验爽不爽还得靠它
  6. 1002. 电子编程入门到工程师--重拾信心-单片机一篇入门
  7. KnockoutJs简单入门知识讲解
  8. 跨平台c开发库tbox:内存库使用详解
  9. JS中function(e) 其中的e到底代表什么
  10. 破解隔壁wifi的实践——python脚本