tanh 激活函数为：
其中 )定义为：。
问题：
- 使用这两个激活函数（tanh vs. sigma）真的很重要吗？
- 在哪种情况下哪个功能更好？
tanh 激活函数与 sigmoid 激活函数
机器算法验证
机器学习
神经网络
优化
2022-02-01 18:48:50
2个回答
是的，出于技术原因，这很重要。基本上是为了优化。LeCun 等人的Efficient Backprop值得一读。
这种选择有两个原因（假设您已经对数据进行了标准化，这非常重要）：
- 具有更强的梯度：由于数据以 0 为中心，因此导数更高。要看到这一点，请计算 tanh 函数的导数并注意其范围（输出值）为 [0,1]。
tanh函数的范围是[-1,1]，sigmoid函数的范围是[0,1]
- 避免梯度偏差。这在论文中解释得很好，值得一读以了解这些问题。
非常感谢@jpmuc！受您的回答启发，我分别计算并绘制了 tanh 函数和标准 sigmoid 函数的导数。我想和大家分享。这是我得到的。这是 tanh 函数的导数。对于 [-1,1] 之间的输入，我们有 [0.42, 1] 之间的导数。
这是标准 sigmoid 函数 f(x)= 1/(1+exp(-x)) 的导数。对于 [0,1] 之间的输入，我们有 [0.20, 0.25] 之间的导数。
显然 tanh 函数提供了更强的梯度。
其它你可能感兴趣的问题