Ang mga gawain ng aktibasyon ay mahahalagang mga bahagi ng mga network ng neuron. Kanilang tinitiyak ang output ng isang neuron batay sa input nito, na nagpapangyari sa network na matuto ng mga komplikadong padron. Ang artikulong ito ay nagpapaliwanag kung paano kakalkulahin ang mga tungkulin ng aktwal na akses-by-pag-iwas.

Pag - unawa sa mga Kawili - wiling Gawa ng Aktibasyon

Ang mga gawaing aktibsyon ay nagbabago ng mga input signal tungo sa mga output na maaaring gamitin ng mga sumusunod na patong. Ang mga karaniwang tungkulin ay kinabibilangan ng sigmoid, tanh, at ReLU. Ang bawat isa ay may natatanging mga katangian na nakakaapekto sa proseso ng pagkatuto.

Pagkalkula sa Tanghalang Sigmoid

Ang tungkuling sigmoid ay binibigyang kahulugan bilang f(x) = 1 / (1 + e-x)[.[[TLT:3] Upang kalkulahin ito:

  • Ilagay ang halaga ng x.
  • Tuusin ang exponential of -x.
  • Idagdag ang 1 sa exponent na ito.
  • Hatiin 1 ng resulta upang makuha ang output.

Pagkalkula sa Pagbabalik ng ReLU Function

Ang Racted Linear Unit (RELU) ay simple: f(x) = max(0, x). Upang mag-compute:

  • Ilagay ang halaga ng x.
  • Kung ang x ay mas malaki sa 0, output x.
  • Kung ang x ay mas mababa o katumbas ng 0, ang output 0.

Pagkalkula sa Tanh Function

Ang tungkuling hyperbolikong tangent ay f(x) = (ex - e + e[FLT:) / (ex[[[[[FLT][[[[[[[[[[[[[[L] ⁇ ]:[[FLT]-[[[T][T][T][T][T][8][[T][T][[[[T][[T][T][[[[[[[T][9][9][[[[[[[[[[[[[[[[[[[[T]]]]]]]]]]]]]]][[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[T]]]]]]]]]]]]

  • Kantiyahin ang e at e-x].
  • Subtract e-x] mula sa e.
  • Idagdag ang e at e-x].
  • Hatiin ang pagkakaiba sa halagang ito upang makuha ang output.