当前位置:   article > 正文

神经网络常见激活函数求导_激活函数 导数

激活函数 导数

1. 求导

1.1 求导公式

在这里插入图片描述

1.2 求导含义

  • 导数:表示某个瞬间的变化量
    • x的 “微小变化” 将导致函数f(x)的值在多大程度上发生变化
    • 微小变化h无限趋近0
      d f ( x ) d x = lim ⁡ h → 0 f ( x + h ) − f ( x ) h
      df(x)dx=limh0f(x+h)f(x)h
      dxdf(x)=h0limhf(x+h)f(x)

2. 常见激活函数

2.1 sigmoid函数

  • 原函数
    s i g m o i d ( x ) = 1 1 + e − x

    sigmoid(x)=11+ex
    sigmoid(x)=1+ex1

  • 函数图
    在这里插入图片描述

  • 求导过程
    s i g m o i d ′ ( x ) = ( 1 1 + e − x ) ′ = 0 − ( 1 + e − x ) ′ ( 1 + e − x ) 2 = e − x ( 1 + e − x ) 2 = 1 + e − x − 1 ( 1 + e − x ) ( 1 + e − x ) = 1 + e − x − 1 ( 1 + e − x ) . 1 ( 1 + e − x ) = [ 1 − 1 ( 1 + e − x ) ] . 1 ( 1 + e − x ) = [ 1 − s i g m o i d ( x ) ] ∗ s i g m o i d ( x )

    sigmoid(x)=(11+ex)=0(1+ex)(1+ex)2=ex(1+ex)2=1+ex1(1+ex)(1+ex)=1+ex1(1+ex).1(1+ex)=[11(1+ex)].1(1+ex)=[1sigmoid(x)]sigmoid(x)
    sigmoid(x)=(1+ex1)=(1+ex)20(1+ex)=(1+ex)2ex=(1+ex)(1+ex)1+ex1=(1+ex)1+ex1.(1+ex)1=[1(1+ex)1].(1+ex)1=[1sigmoid(x)]sigmoid(x)

2.2 Tanh函数

  • 原函数
    T a n h ( x ) = e x − e − x e x + e − x

    Tanh(x)=exexex+ex
    Tanh(x)=ex+exexex

  • 函数图
    在这里插入图片描述

  • 求导过程
    T a n h ′ ( x ) = e x − e − x e x + e − x ) ′ = ( e x − e − x ) ′ ( e x + e − x ) − ( e x − e − x ) ( e x + e − x ) ′ ( e x + e − x ) 2 = ( e x + e − x ) ( e x + e − x ) − ( e x − e − x ) ( e x − e − x ) ( e x + e − x ) 2 = ( e x + e − x ) 2 − ( e x − e − x ) 2 ( e x + e − x ) 2 = 1 − ( e x − e − x ) 2 ( e x + e − x ) 2 = 1 − ( e x − e − x e x + e − x ) 2 = 1 − T a n h 2 ( x )

    Tanh(x)=exexex+ex)=(exex)(ex+ex)(exex)(ex+ex)(ex+ex)2=(ex+ex)(ex+ex)(exex)(exex)(ex+ex)2=(ex+ex)2(exex)2(ex+ex)2=1(exex)2(ex+ex)2=1(exexex+ex)2=1Tanh2(x)
    Tanh(x)=ex+exexex)=(ex+ex)2(exex)(ex+ex)(exex)(ex+ex)=(ex+ex)2(ex+ex)(ex+ex)(exex)(exex)=(ex+ex)2(ex+ex)2(exex)2=1(ex+ex)2(exex)2=1(ex+exexex)2=1Tanh2(x)

2.3 ReLU函数

  • 原函数
    R e l u ( x ) = { x x ≥ 0 0 x < 0 Relu(x)=

    {xx00x<0
    Relu(x={x0x0x<0

  • 函数图
    在这里插入图片描述

  • 求导
    R e l u ′ ( x ) = { 1 x ≥ 0 0 x < 0 Relu'(x) =

    {1x00x<0
    Relu(x)={10x0x<0

本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号