Sigmoid和tanh的异同

本文探讨了Sigmoid和tanh激活函数在神经网络中的应用差异。tanh相较于Sigmoid,在保持非线性关系的同时,延迟了饱和期,提高了神经网络的预测精度和容错性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考原文:https://blog.youkuaiyun.com/yaoyaoyao2/article/details/73848983 

Sigmoid和tanh的异同

计算过程(若有误,请指正):

它们之间存在的细微差别

观察sigmoid和tanh的函数曲线,sigmoid在输入处于[-1,1]之间时,函数值变化敏感,一旦接近或者超出区间就失去敏感性,处于饱和状态,影响神经网络预测的精度值。tanh的输出和输入能够保持非线性单调上升和下降关系,符合BP网络的梯度求解,容错性好,有界,渐进于0、1,符合人脑神经饱和的规律,但比sigmoid函数延迟了饱和期。


其他满足定义域为R,值域为(0,1)的函数

 
--------------------- 

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值