神经网络的激活函数之sigmoid
根据每一层前面的激活、权重和偏置,我们要为下一层的每个激活计算一个值,但在将该值发送给下一层之前,要是用激活函数对这个输出进行缩放。 sigmoid函数 sigmoid函数是一个logistic函数,意思是说不管输入什么,输出都在0到1之间,也就是输入的每个神经元、节点或激活都会被锁放在一个介于0到1之间的值。 sigmoid 这样的函数常被称为非线性函数,因为我们不能用线性的项来描述它。很多激活函数都是非线性或者线性和非线性的组合 这个问题与反向传播有关,在反向传播中,我们要计算每个权重的梯度,即针对每个权重的小更新,这样做的目的是优化整个网络中激活值的输出,使其能在输出层得到更好的结果,