机器学习：神经网络中的激活函数_sigmoid函数

随着深度学习的兴起，神经网络也似乎成了所有计算机视觉任务的标配，大家除了研究各种各样的网络结构之外，还有研究优化方法的，以及激活函数的，这篇博客就对当前各种各样的激活函数做一个总结，分析其背后的性质。

到目前为止，激活函数的形式有很多种了，早期的激活函数主要是 sigmoid 以及 tanh 函数，这两种函数都能将输入限制在很小的范围内，算是一种非线性函数，后来又出现了 RELU 以及各种基于 RELU 的变体。

Tanh 函数

tanh 是一种双曲函数，称为双曲正切，其表达式如下：

$$tanh(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$$

从上式可以看出，tanh 函数的取值范围是 [-1, 1]，其导数为：

$$\begin{array}{rl}tan{h}^{\prime }(x)& =((e^x-e^{-x})(e^x+e^{-x}{)}^{-1}{)}^{\prime }\\ & =(e^x+e^{-x})(e^x+e^{-x}{)}^{-1}-(e^x-e^{-x})(e^x+e^{-x}{)}^{-2}(e^x-e^{-x})\\ & =1-{\left(\frac{e^x-e^{-x}}{e^x+e^{-x}}\right)}^2\\ & =1-tan{h}^2(x)\end{array}$$

其函数曲线及导数曲线如下所示：

• tanh 函数曲线

Sigmoid 函数

sigmoid 函数也是非常常见的一种函数，其表达式如下：

$$sigmoid(x)=\sigma (x)=\frac{1}{1+e^{-x}}$$

sigmoid 函数的取值范围是 [0, 1]，其导数为：

$$\begin{array}{rl}{\sigma }^{\prime }(x)& =\frac{1}{(1+e^{-x}{)}^2}{e}^{-x}\\ & =\frac{1+e^{-x}-1}{(1+e^{-x}{)}^2}\\ & =\sigma (x)-{\sigma }^{2}x\\ & =\sigma (x)(1-\sigma (x))\end{array}$$

其函数曲线及导数曲线如下：

• sigmoid 函数曲线
  

RELU 函数

relu 函数在如今的深度神经网络里面，应该是非常主流的一种函数了，上面介绍的两种激活函数，我们可以看到其导数的取值范围很小，在深度神经网络里，这种导数在链式传导的时候，有可能出现梯度消失的问题，所以为了解决这个问题，relu 这种函数获得了推广和关注，relu 函数的形式非常简单：

$$relu(x)=\max (0,x)$$

$$relu(x)=\{\begin{array}{ll}x& \text{ if }x>0\\ 0& \text{ if }x<0\end{array}$$

可以看出，就是把小于 0 的输出都给截断了，而大于 0 的输出都保留，其导数也很简单，不过 relu 函数的导数不连续，在 0 这个地方出现断裂：

$$rel{u}^{\prime }(x)=\{\begin{array}{ll}1& \text{ if }x>0\\ 0& \text{ if }x<0\end{array}$$

• relu 函数曲线

RELU6 函数

Relu6 属于 Relu 函数的一种变体，将大于 0 的输出在某个地方做了一个截断，从函数名上可以看出，这个截断就是在 6 这个地方，其函数表达式为：

$$Relu6(x)=\{\begin{array}{ll}0& \text{ if }x<0\\ 6& \text{ if }x>6\\ x& \text{otherwise}\end{array}$$

从函数表达式可以看出，只有在 [0, 6] 之间的输入保持了线性关系，小于 0 和 大于 6 的输入都直接截断了，其导数形式为：

$$Relu{6}^{\prime }(x)=\{\begin{array}{ll}0& \text{ if }x<0\\ 0& \text{ if }x>6\\ 1& \text{otherwise}\end{array}$$

ELU 函数

ELU 函数属于 RELU 函数的变体，因为原始的 RELU 函数对小于 0 的输入都直接截断了，所以为了克服这个问题，提出了很多的变体，ELU 是其中的一种，其函数表达式如下：

$$elu(x)=\{\begin{array}{ll}x& \text{ if }x>0\\ \alpha \ast (e^x-1)& \text{ if }x<0\end{array}$$

ELU 对小于 0 的输入没有直接截断，而是用一个指数函数来表示，一定程度保留了小于 0 的部分，相应地，其导数也分成两部分：

$$el{u}^{\prime }(x)=\{\begin{array}{ll}1& \text{ if }x>0\\ \alpha \ast e^x& \text{ if }x<0\end{array}$$

• elu 函数曲线
  

SELU 函数

SELU 函数的表达式如下：

$$Selu(x)=\lambda \{\begin{array}{ll}x& \text{ if }x>0\\ \alpha \ast e^x-\alpha & \text{ if }x<0\end{array}$$

上面的 $\alpha =1.6732632423543772848170429916717$，
$\lambda =1.0507009873554804934193349852946$，

Selu 的导数为：

$$Sel{u}^{\prime }(x)=\lambda \{\begin{array}{ll}1& \text{ if }x>0\\ \alpha \ast e^x& \text{ if }x\le 0\end{array}$$

LeakyReLU 函数

LeakyReLU 函数也是 RELU 函数的变体，类似 ELU，其小于 0 的部分并没有截断，不过不同于 ELU 的是，LeakyReLU 没有用指数函数，而是简单的一个线性函数来表示：

$$LeakyReLU(x)=\{\begin{array}{ll}x& \text{ if }x>0\\ \alpha \ast x& \text{ if }x<0\end{array}$$

其导数形式也很简单：

$$LeakyReL{U}^{\prime }(x)=\{\begin{array}{ll}1& \text{ if }x>0\\ \alpha & \text{ if }x<0\end{array}$$

HardShrink 函数

HardShrink 类似一个对称函数，在大于一定阈值与小于一定阈值的输入保持不变，而在某个范围之间的为 0，其函数表达式如下：

$$HardShrink(x)=\{\begin{array}{ll}x& \text{ if }x>\lambda \\ -x& \text{ if }x<-\lambda \\ 0& \text{otherwise}\end{array}$$

$\lambda$ 一般取 0.5，其导数形式也很直接：

$$HardShrink(x)=\{\begin{array}{ll}1& \text{ if }x>\lambda \\ -1& \text{ if }x<-\lambda \\ 0& \text{otherwise}\end{array}$$

HardSigmoid 函数

HardSigmoid 函数类似 sigmoid 函数，取值范围也是 [0, 1] 之间，不过不是利用指数函数做非线性变换，而是一个线性函数来实现的，其函数形式如下所示：

$$HardSigmoid(x)=\{\begin{array}{ll}0& \text{ if }x\le -3\\ 1& \text{ if }x\ge 3\\ x/6+1/2& \text{otherwise}\end{array}$$

其导数形式也比较简单：

$$HardSigmoi{d}^{\prime }(x)=\{\begin{array}{ll}0& \text{ if }x\le -3\\ 0& \text{ if }x\ge 3\\ 1/6& \text{otherwise}\end{array}$$

Hardtanh

应该是基于 tanh 函数变化而来，tanh 的取值范围是 [-1, 1]，hardtanh 的取值范围也是 [-1, 1]，只不过在这个区间是一个线性函数的映射：

$$Hardtanh(x)=\{\begin{array}{ll}-1& \text{ if }x\le -1\\ 1& \text{ if }x\ge 1\\ x& \text{otherwise}\end{array}$$

其导数形式为：

$$Hardtan{h}^{\prime }(x)=\{\begin{array}{ll}0& \text{ if }x\le -1\\ 0& \text{ if }x\ge 1\\ 1& \text{otherwise}\end{array}$$

Hardswish

这个函数的形式如下：

$$Hardswish(x)=\{\begin{array}{ll}0& \text{ if }x\le -3\\ x& \text{ if }x\ge 3\\ x\cdot (x+3)/6& \text{otherwise}\end{array}$$

其导数形式如下：

$$Hardswis{h}^{\prime }(x)=\{\begin{array}{ll}0& \text{ if }x\le -3\\ 1& \text{ if }x\ge 3\\ x/6+1/2& \text{otherwise}\end{array}$$