Aktivitet og funktioner er vigtige for at kunne lære af de nye neuralnetwork. De bestemmer, at de er outputed af en neuron base og det er input, gør det muligt for network at lære af komplette mønstre.

Understanding Activation funktioner

Aktivitet funktioner transforme disse input tegn into outputs that be use d y learns. Commun funktioner omfatter sigmoid, tanh, and d RELU. Each har unikke kompetencer, der påvirker disse elearning processer.

Beregn Sigmoid Function

Denne funktion er defineret i en definition af 1; 1; FLT: 0; 3; f (x) = 1 / (1 + e); FLT: 1; 3; - x; 1; FLT: 2; FLT: 3; FLT: 3; 3; To calculate it:

  • Indtryk denne værdi af x.
  • Beregn denne eksponential off - x.
  • Add 1 to this exporential.
  • Divide 1 by the result to get the output.

Beregn denne RELU Function

Denne rektified Linear Unit (RelU) er simplete: 1; 1; FLT: 0; 3; f (x) = max (0, x) 1-; FLT: 1; 3; To compute:

  • Indtryk denne værdi af x.
  • Hvis x er større end 0, er det 0.
  • Hvis det er tilfældet, skal det ske ved at anvende en anden metode.

Calculating to Tanh Function

Denne hyperbolic tangent function i 's measures 1; FLT: 0; FLT: 0; 3; f (x) = (e) = (e); FLT: 1; FLT: 1; x; 1; FLT: 2; FLT: 3; - e; 1; FLT: 3; FLT: 3; - x FLT: 3; - x FLT: 3; + e; 3;; 3;) / (e Measures 1; FLT: 5; FLT: 3; x FLT: 1; FLT: 6; 3; + e Measusususususususuch: 1; 1; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3;

  • Beregningsmetode 1; FLT 1; FLT: 0; FLT: 0; X; 1; FLT: 1; FLT: 3; og D; 1; FLT: 2; 3; - x FLT: 3; FLT: 3; FLT: 3; 3;.
  • Subtract e 1;; FLT: 0; 3; - x; 1; FLT: 1; 3; From e 1; FLT: 2; 3; x 1; FLT: 3; 3;.
  • Add e e 1; FLT: 0; x 3; x 1; FLT: 1; 3; og e e 1; FLT: 2; 3; - x 1; FLT: 3; 3;.
  • Det er ikke muligt at skelne mellem de to ting.