训练单层感知器时激活功能
-
21-08-2019 - |
题
当训练多层神经网络,使用S形的激活函数是必要为它有效地学习。
是否有任何优点训练的单的层感知的情况下,或者是一个简单的步骤中,使用S形的激活函数(海维赛德)函数足以(或甚至优选的)?
我慢慢变我的头周围的神经网络,但任何帮助,将不胜感激。
解决方案
是存在这样的优点。结果可以是0和1,并且不具有介于两者之间是YES或NO,而且也许。即使对于一个单一的神经元模型最好是具有非激活步骤功能。
如果你需要它取决于你的输出是如何读出。你需要二进制(是,否)值或同时在东西之间?
我想你也可以使用一个线性函数,如果你不希望使用S形函数。
不隶属于 StackOverflow