神经网络中隐藏层为什么需要使用激活函数？

如果不用激活函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合，即W = W3*[W2*（W1*x)]。
如果隐藏层不使用激活函数，仅在输出层使用sigmoid函数，那么效果仅仅和标准Logistic回归一样。

参考：

深度学习：神经网络中为什么需要使用激活函数？（超详细）_JJJasmine的H君的博客-优快云博客_神经网络为什么需要激活函数一、百度百科 我们先看下百度百科的解释： 如果不用激活函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合，这种情况就是最原始的感知机（Perceptron）。如果使用的话，激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数，这样神经网络就可以应用到众多的非线性模型中。二、举例说明 为了很好的解释为什么需要使用激活函数，我接下来以一个带有一个隐含层的感知机来进行说明，希望通过这种方式可以让大家通俗的...https://blog.youkuaiyun.com/Fhujinwu/article/details/108665953