1.梯度消失是指随着神经网路的层数增加，前向传播过程种梯度渐渐缩减为0，较低的连接层的参数已经无法再更新了；梯度爆炸是指梯度越来越大，逼近饱和，各层需要更新较大的权值，这可能是因为激活函数和初始化方法配合有问题，比如使用sigmoid和标准正态分布的初始化方案，导致输入的方差与输出的方差越来越大，最后输出层会发生梯度爆炸现象，sigmoid的期望值应该是0.5，而使用标准正态分布的初始化方案，总归是不太好的。
2.我们需要信号在两个方向正确流动，进行预测的时候，信号为正向，在反向调整的时候，信号反向，输入的方差等于输出的方差，除非有相等的输入和神经元，否则一般是不相等的，有一个折中的方案，使用一种随机初始化的办法，要求初始化满足:
正态分布，均值为0，方差为：1/(输入节点+输出节点)
或者为均匀分布，分布函数半径r^2=3/(输入节点+输出节点)
3.介绍非饱和激活函数
sigmoid和tanh是饱和激活函数，而ReLU函数是非饱和激活函数，为什么把他们分为饱和和非饱和呢？就是因为梯度消失问题，对于饱和激活函数，容易倒是梯度消失，这是因为输入到达了激活函数的上边界，梯度几乎为0了,ReLU很好的解决了这个问题。
ReLU = max(0, x),他的梯度只有0和1两种，他比饱和函数多了几个好处，一个是不会有反向的负值，神经网络的负值代表了噪声和一些无法解释的东西，另一个是不会导致梯度消失。他的一个不好的地方是，可能会导致神经元死亡，比如输入的是负值，神经元就会一直输出0，没有梯度传播。这时就需要ReLU的变体了。
变体1：leakyReLU = (alhph*z,z)，alpha一般取0.01(0.2可能更好)，这样有负数的时候，也能够继续传播梯度。
变体2：PReLU,alpha是一个可以训练的值，在大型图像数据集上表现得更好，但是对于小型数据集，可能存在过拟合风险
变体3：ELU = alpha*(exp(z)-1) z<0,z,z>0,他避免了梯度消失问题，同时也避免了神经元死亡，神经元得输出均值也为0
变体4：SELU,他在ELU之上得扩展，所以叫做SELU，它是自归一化的，倾向于使得神经元输出均值为0，标准差为1，它有几个前提条件:
(1)输入必须满足标准正态分布
(2).隐藏层权重必须用LeCun正态初始化
(3).网络的架构必须是顺序的
差点忘了将SELU是什么样子的了，其实就是对ELU多了一个lambda值，这个值还是一个固定值，保留小数点十多位，看的人莫名其妙，像是在胡说八道，但是这是科学家规规矩矩算出来的，大概是1.05.....后面不记得了。