有一个问题我坚持使用以下公式作为单极传递函数：
f(net)= 1
__________
-net
1 + e
该示例具有以下内容：
out = 1
____________ = 0.977
-3.75
1 + e
我们如何得出 0.977？
什么是e？
问问题
325 次
4 回答
3
虽然事实上正确，但其他响应仅提供 e 的值并确认基础计算。这种类型的sigmoid 函数在神经网络中非常普遍，因此可能会欢迎一些额外的见解。
本质上，指数函数（e 的 x 次方）具有非常典型的曲线：
- 大部分平坦在零（实际上略高于零），从 - 无穷大到大约 -2
- 逐渐向垂直方向急转弯，大约在 -2 和 +4 之间
- 准“垂直”，值超过 150 并且越来越大，从 +5 到无穷大
因此，指数曲线对于生成“S 形”函数非常有用；顺便说一句，“S”是希腊语中的 Sigma，它提供了“ sigmoid ”的词源。此类函数通常以问题中显示的公式为模式：
1/(1 + e^-x)
其中 x 是变量。通常，此类函数还包括旨在扩展范围（x 变化显着的输入区域）和/或修改此中间区域中的曲线的常数。
此类函数的结果是，直到输入的特定值，函数是准常数，然后，对于特定范围的输入，函数提供递增的输出，最后超过范围的上限值，函数是准常数。更详细地看，这种 Sigmoid 有一个拐点，它对应于输出变化率的反转，并且还标记了曲线的任一侧区域，其中变化相对而言是最慢的。
反过来，这样的 S 形曲线 (1) 对于归一化神经网络神经元的输出非常有用，或者更一般地，对于在各种性质的过程中对各种数值进行归一化非常有用。直观地说，这些对应于底层神经元或设备的“甜蜜点”或“甜蜜范围”。
(1) 或者，也可能是“递减”形状的曲线，即具有大部分恒定的高值、在中间范围内减小的值以及此后的低的大部分恒定值的曲线。
于 2010-05-11T01:47:49.083 回答
1
e 是欧拉数== 2.718281828....
如果你将 e 提高到 -3.75 次方，再加一，然后取反，你会得到精确的 0.977022630....
于 2010-05-10T21:28:27.003 回答
1
'e' 是自然对数函数的底，其值等于无穷级数 1/n 之和！对于 n 从 0 到无穷大。它在 C 标准库或 java Math 包中作为 exp() 函数提供。
如果你计算 1/(1+exp(-3.75)) 你会得到 0.977
于 2010-05-10T22:14:41.653 回答