知识卡片
Sigmoid激活与饱和
Sigmoid 函数 σ(x)=1/(1+e⁻ˣ) 把实数映射到 (0,1),可用于表示二分类输出。输入绝对值很大时曲线趋于饱和、导数很小,多层反向传播相乘可能使梯度变弱;输出中心为 0.5 而非 0。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度神经网络:误差倒查分解 · 查看原书依据
曲线的斜率变化很小,会产生后面要讲的梯度消失问题
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第4章《深度神经网络:误差倒查分解》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0007.xhtml`,4.1—4.2及对应公式图)
- 结论依据:原文与图示说明模型、激活和训练目标;卡片对需要的数学条件作限定。
- 原始内容:曲线的斜率变化很小,会产生后面要讲的梯度消失问题