本文主要是回答激活函數(shù)的使用

我們認識的激活函數(shù)中sigmoid、ReLU等，今天就是要講解一下這些函數(shù)的一些性質(zhì)

激活函數(shù)通常有一些性質(zhì)：

非線性：當(dāng)激活函數(shù)是線性的時候，一個兩層的神經(jīng)網(wǎng)絡(luò)就可以基本逼近所有的函數(shù)，但是，如果激活函數(shù)是恒等激活函數(shù)的時候，就不滿足這個性質(zhì)了，而且如果MLP使用的是恒等激活函數(shù)，那么其實整個網(wǎng)絡(luò)跟單層神經(jīng)網(wǎng)絡(luò)是等價的

可微性：當(dāng)優(yōu)化方法是基于梯度的時候，這個性質(zhì)是必須的

單調(diào)性：當(dāng)激活函數(shù)是單調(diào)的時候，這個性質(zhì)是必須的

f(x)≈x：當(dāng)激活函數(shù)滿足這個性質(zhì)的時候，如果參數(shù)的初始化是random的很小的值，那么神經(jīng)網(wǎng)絡(luò)的訓(xùn)練將會很高效；如果不滿足這個性質(zhì)，那么就需要很用心的去設(shè)置初始值

輸出值的范圍：當(dāng)激活函數(shù)輸出值是有限的時候，基于梯度的優(yōu)化方法會更加穩(wěn)定，因為特征的表示，當(dāng)激活函數(shù)的輸出是無限的時候，模型訓(xùn)練會更加的高效，不過在這種情況很小，一般需要一個更小的學(xué)習(xí)率

Sigmoid函數(shù)

Sigmoid是常用的激活函數(shù)，它的數(shù)學(xué)形式是這樣，

當(dāng)如果是非常大的負數(shù)或者正數(shù)的時候，梯度非常小，接近為0，如果你的初始值是很大的話，大部分神經(jīng)元都出在飽和的情況，會導(dǎo)致很難學(xué)習(xí)

還有就是Sigmoid的輸出，不是均值為0為的平均數(shù)，如果數(shù)據(jù)進入神經(jīng)元的時候是正的(e.g.x>0elementwise inf=wTx+b)，那么w計算出的梯度也會始終都是正的。

當(dāng)然了，如果你是按batch去訓(xùn)練，那么那個batch可能得到不同的信號，所以這個問題還是可以緩解一下的。因此，非0均值這個問題雖然會產(chǎn)生一些不好的影響

tanh

和Sigmoid函數(shù)很像，不同的是均值為0，實際上是Sigmoid的變形

數(shù)學(xué)形式

與Sigmoid不同的是，tanh是均值為0

ReLU

今年來，ReLU貌似用的很多

數(shù)學(xué)形式

ReLU的優(yōu)點

相比較其他的，ReLU的收斂速度會比其他的方法收斂速度快的多

ReLU只需要一個閾值就可以得到激活值，而不用去算一大堆復(fù)雜的運算

也有一個很不好的缺點：就是當(dāng)非常大的梯度流過一個 ReLU 神經(jīng)元，更新過參數(shù)之后，這個神經(jīng)元再也不會對任何數(shù)據(jù)有激活現(xiàn)象了，所以我們在訓(xùn)練的時候都需要設(shè)置一個比較合適的較小的學(xué)習(xí)率

Leaky-ReLU、P-ReLU、R-ReLU

數(shù)學(xué)形式

f(x)=x，(x>=0)

這里的α是一個很小的常數(shù)。這樣，即修正了數(shù)據(jù)分布，又保留了一些負軸的值，使得負軸信息不會全部丟失

自己在寫神經(jīng)網(wǎng)絡(luò)算法的時候還沒嘗試過這個激活函數(shù)，有興趣的同學(xué)可以試試效果

對于 Leaky ReLU 中的α，通常都是通過先驗知識人工賦值的。

然而可以觀察到，損失函數(shù)對α的導(dǎo)數(shù)我們是可以求得的，可不可以將它作為一個參數(shù)進行訓(xùn)練呢？

不僅可以訓(xùn)練，而且效果更好。

如何去選擇

目前業(yè)界人都比較流行ReLU，