简单介绍Sigmoid,ReLU两个激活函数

本文介绍了神经网络中的激活函数,包括阶跃函数的概念,以及Sigmoid和ReLU函数的特性。Sigmoid函数因其平滑性可输出0-1间的连续值,而ReLU函数则因其简单和高效成为现代神经网络的首选激活函数。

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

神经网络中的激活函数

激活函数就是将输入信号的总合转换为输出信号。

举例(阶跃函数)

对于如下图所示的感知机
在这里插入图片描述
可以直观的看出对于神经元y,当b+w1x1+w2x2<=0b+w_1x_1+w_2x_2<=0b+w1x1+w2x

评论
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