神经网络激活函数有哪些,人工神经网络激活函数

bp神经网络选择激活sigmoid函数，还有tansig函数的优缺点？求告知？

（1）对于深度神经网络，中间的隐层的输出必须有一个激活函数。否则多个隐层的作用和没有隐层相同。这个激活函数不一定是sigmoid，常见的有sigmoid、tanh、relu等。

（2）对于二分类问题，输出层是sigmoid函数。这是因为sigmoid函数可以把实数域光滑的映射到[0,1]空间。函数值恰好可以解释为属于正类的概率（概率的取值范围是0~1）。

另外，sigmoid函数单调递增，连续可导，导数形式非常简单，是一个比较合适的函数（3）对于多分类问题，输出层就必须是softmax函数了。softmax函数是sigmoid函数的推广。

神经网络是怎样逼近函数的?可以得到一个函数表达式吗？这个函数曲线一定光滑吗? 5

神经网络的基函数和激活函数有什么区别吗

理论上讲任何一个连续的非多项式、常数函数都可以做为BP的激活函数，而且这都是已经在数学上证明过的问题。

但sigmoid函数相对其他函数有它自身的优点，比如说光滑性，鲁棒性，以及在求导的时候可以用它自身的某种形式来表示。这一点在做数值试验的时候很重要，因为权值的反向传播，要求激活函数的导数 。

多层就有多个导数，如果用一般的连续函数，这对计算机的存储和运算都是一个问题，此外还要考虑整个模型的收敛速度，我上面提到连续函数都可以做激活函数。

但是相应的Sigmoidal型函数的收敛速度还是比较快的，（相同的结构前提下）还有就是BP在做分类问题的时候，Sigmoidal函数能比较好的执行这一条件，关于连续函数可以做激活函数的证明，可以在IEEEtrans.onneuralnetworks和NeuralNetworks以及NeuralComputating和NeuralComputation上找到。

BP神经网络的传递函数选择有什么特定要求？我使用高斯函数作为其传递函数（激活函数）可行麽

线性函数为什么不能做隐藏层的激活函数

因为：非线性激活函数可以拓展神经网络的表达能力。如果用线性激活函数，多层的神经网络和单层的就没有区别，只能表达线性逻辑。严格来讲ReLU函数算是分段线性函数。

中间隐层激活函数选用线性函数（例如恒等函数）不好，是因为算下来多层网络和单层网络一个效果。其实激活函数的存在是为了神经网络更好的拟合目标函数。

初等数学用法在初级代数与解析几何，线性函数是只拥有一个变量的一阶多项式函数，又或者是常数函数。因为，采用直角坐标系，这些函数的图象是直线，所以，这些函数是线性的。

要注意的是，与x轴垂直的直线不是线性函数。（因为输入值不对应唯一输出值，所以它不符合函数的定义）。

神经网络算法为什么要用激活函数

楼主你好！根据你的描述，让我来给你回答！翻译为激活函数（activationfunction）会更好。激活函数是用来加入非线性因素的，因为线性模型的表达能力不够。

希望能帮到你，如果满意，请记得采纳哦~~~。

神经网络中的激活函数是用来干什么的？