跳转至

深度学习入门

  • perceptron(感知机)
  • steup function (阶跃函数)
  • weight(权重)
  • bias(偏差) ,也可以理解为基础兴奋值
  • perceptron as a NAND Gate(与非门)
  • linear classifier(线性分类器)
  • multi-layered perceptron (多层感知机)
  • activation function (激活函数)
  • sigmoid funciton（S 函数）

  • exp(-x) ,e 是纳皮尔常数 2.7182

  • h(x)函数会将输入信号的综合转换为输出函数，这种函数被称之为“激活函数”

  • 激活函数以阈值为界，一旦输入超过阈值，就切换输出，这样的函数称为“阶跃函数”,
    感知机使用阶跃函数作为激活函数。
  • 神经网络使用 s 函数作为激活函数
  • 函数就是给定某个输入后，会返回某个输出的转换器
  • numpy 数组进行不等式运算，通过 astype（）转换为 int 类型
Sigmoid函数是一种数学函数，可以将任意范围的实数映射到0到1之间的值范围内。它常用于人工神经网络中作为激活函数。最常用的Sigmoid函数是逻辑函数，其形式如下：

f(x) = 1 / (1 + e^-x)

其中x为任意实数。

Sigmoid函数具有“S”形曲线，意味着当输入x从负无穷逐渐增大到正无穷时，函数值从0逐渐增大到1。函数在x=0处拐点，曲线的斜率在拐点处最陡峭，并逐渐在极端的x值处变得较平缓。

Sigmoid函数的一些特性包括：

它是一个连续和可微的函数
它是非线性的，这使得它适用于建模变量之间的复杂关系
它可以将任何输入范围转换为0到1之间的输出范围，这可以解释为概率得分或置信度测量。

参考#

https://www.bilibili.com/video/BV1gA4y1Q7Kj/?spm_id_from=333.337.search-card.all.click&vd_source=b92112731015c20054034d26c9ad8a67
Sigmoid Function clearly explain