توابع فعال سازی اجزای ضروری شبکه های عصبی هستند.آنها خروجی یک نورون را بر اساس ورودی آن تعیین می کنند، که شبکه را قادر می سازد تا الگوهای پیچیده را یاد بگیرد.این مقاله توضیح می دهد که چگونه برای محاسبه عملکرد فعال سازی به مرحله گام.

درک توابع فعال سازی

توابع فعال سازی سیگنال های ورودی را به خروجی هایی تبدیل می کنند که می توانند توسط لایه های بعدی استفاده شوند. توابع مشترک شامل sigmoid، tanh و ReLU است. هر کدام دارای ویژگی های منحصر به فرد هستند که بر روند یادگیری تأثیر می گذارد.

محاسبه تابع Sigmoid

در این میان، تابع sigmoid به عنوان (FLT:0 (x) = 1 / (1 + -x تعریف می شود برای محاسبه آن:

  • مقدار x را وارد کنید.
  • · محاسبه نمایی از x
  • 1 را به این نمایی اضافه کنید.
  • تقسیم 1 به نتیجه برای دریافت خروجی.

محاسبه عملکرد ReLU

این طرح ساده است: = max(0(x)[x]، x برای محاسبه:

  • مقدار x را وارد کنید.
  • اگر x بیشتر از 0 باشد، خروجی x
  • اگر x کمتر یا برابر با 0 باشد خروجی 0

محاسبه عملکرد تان

[در این باره]، [و] [و] [از [و] [و] [به] [و] [و [از [و]] [و [از [و]]] [و [از [و]] [و [به]]]] [و [به [و]] [و [به [و] [و [به [و] [و [و [به] [و [و [و [و [و]] [و [و [و [و [و [و [از [به]]] [و [و [و [و [و [و [و [از [و [و [و [و]]]]]]]]]]] [و [و [و [و [و [و [و [و [و [و [و [به [و [و [از [از [و [و [از [از [از [از [و [و [از [از [از [از [بر [بر [از [از [از [و [و [و [و [و [و [و]]]]]]]]]]]]]]]]]]]]]]

  • [در این باره] [[[۱]] [۱۰] [۱۰] [۱]] [۱۰] [۱]] [[۳]] [[۱۰]]] [۱۰]] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[[[[[[[[[[[[[[[[[۳] [۳] [۳] [۳] [۳
  • [در این باره] از [مشرکان] [به] [[[۱]] [۱۰]] [۱۰] [۱] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [
  • [به صورت مستقیم و غیر از آن] به [[[۱]] [[۱۰]] [[۱۰]] [[۳]] [[۳]] [[۳]] [[۳]] [[۳]] [[۳]] [[۳]] [[۳]] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[[[[[[[[[۳]] [۳] [۳] [۳] [۳] [۳] [۳] [۳]] [۳]]] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [
  • تقسیم تفاوت با مجموع برای دریافت خروجی.