神经网络反向传播(2)--激活函数求导汇总

最新推荐文章于 2023-08-09 16:41:49 发布

cymatt

最新推荐文章于 2023-08-09 16:41:49 发布

阅读量756

点赞数

CC 4.0 BY-SA版权

分类专栏：神经网络反向传播文章标签：神经网络深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/cymatt/article/details/127843029

神经网络中常用的激活函数主要有tanh、sigmoid、softmax、Relu等，在反向传播过程中的链式求导时，我们也需要对激活函数进行求导，在此整理常用的激活函数导数推导后的结果，方便在神经网络反向传播计算时使用。（注：无推导过程）

tanh函数

函数表达式为

$f(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$

求导后导数表达式为

$f^{'}(x)=1-tanh(x)^2$

sigmoid函数

函数表达式为

$f(x)=\frac{1}{1+e^{-x}}$

求导后导数表达式为

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。