矩阵乘法和激活函数

本文介绍了矩阵乘法的三种形式:内积、外积和哈达玛积,并详细阐述了Sigmoid、Tanh、ReLU、LeakyReLU以及GELU等激活函数的定义和特性,探讨了它们在深度学习中的应用与优势。

矩阵乘法

1.矩阵内积:

矩阵内积又称为向量内积/点积/数量积,这是最常见的一种矩阵乘法.
两个矩阵A、B的矩阵内积对应分量乘积之和,结果为一个数,即一个标量,记作<A,B>。
在这里插入图片描述

2.矩阵外积

矩阵外积又称为或向量外积/叉积/向量积,即克罗内克积
克罗内克积 是两个任意大小的矩阵间的运算,结果是一个矩阵如果A是一个m×n的矩阵,而B是一个p×q的矩阵,克罗内克积则是一个mp×nq的分块矩阵。克罗内克积符号为:⊗\otimes
在这里插入图片描述

3.哈达玛积(Hadamard product)

哈达玛积的乘法符号为∘\circ
在这里插入图片描述

激活函数

1.Sigmoid

在这里插入图片描述
在这里插入图片描述

2.Tanh

tanh(x)=sinh(x)cosh(x)=ex−e−xex+e−xtanh(x)=\frac{sinh(x)}{cosh(x)}=\frac{e^x-e^{-x}}{e^x+e^{-x}}tanh(x)=cosh(x)sinh(x)=ex+exexex

3.ReLU

ReLU(x)=max{0,x}ReLU(x)=max\{0,x\}ReLU(x)=max{0,x}
在这里插入图片描述

4.LeakyReLU

LeakyRelu(x)=max(0,x)+leak∗min(0,x)LeakyRelu(x)= max(0, x) + leak*min(0,x)LeakyRelu(x)=max(0,x)+leakmin(0,x)leakleakleak是一个很小的常数,这样保留了一些负轴的值,使得负轴的信息不会全部丢失)
在这里插入图片描述

5.GELU

GELU(Gaussian error linear unit),即高斯误差线性单元,可以看作dropout的思想和relu的结合,据报道GELU在多项计算机视觉, 自然语言处理,语音任务上效果优于ReLU。
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值