标签：输出 函数 非线性 线性组合 softmax 激活 正确

神经网络中，会得到w0,w1,...wn，这些是各个特征的权重，如果输出output = w0x0+w1x1+...+wnxn 则训练得到的是特征的线性组合，如果只是线性组合，我们完全可以去掉所有隐藏层。

事实上，有很多情况下，特征与输出之间的关系是非线性的，所以我们需要一个通用的，可以逼近所有（线性与非线性）关系的网络

引入非线性激活函数的原因就在这里。

深度学习中，激活函数通常指能够实现非线性映射的函数

常见激活函数：

softmax函数

使用方法：

1、不同层的激活函数可以是不一样的。

2、sigmoid函数一般只用在2分类的输出层，且结果与softmax激活函数输出相同，我一般习惯统一使用softmax

3、ReLU (修正线性单元 Rectified Linear Unit)  最常用  y = max(0,x)

4\

标签：输出,函数,非线性,线性组合,softmax,激活,正确
来源： https://www.cnblogs.com/yjybupt/p/11647033.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。