Sigmoid函数，又称逻辑函数，是机器学习中重要的激活函数，广泛应用于逻辑回归和神经网络。它具有S型曲线特征，连续可导，值域在(0, 1)之间，常用于线性模型的非线性转换。在逻辑回归中，Sigmoid用于将连续值转化为概率。在神经网络中，由于其导数特性，Sigmoid有利于梯度下降优化。然而，Sigmoid的梯度消失问题可能限制模型的训练，因此其他激活函数如ReLU也被研究和使用。"
80166242,7518727,ATOS实验平台：射频与传感器模块详解,"['物联网传感技术', '射频模块', '传感模块', '软件环境', '硬件接口']
Logistic function, 逻辑函数，逻辑斯谛函数，这些都是一个意思，指的也都是：
Sigmoid函数。解释如下：
---
Sigmoid函数是一个S型函数. Sigmoid函数的数学公式为
y = f(x) = 1 / (1 + e^(-x))
Sigmoid函数具有如下基本性质：
由于Sigmoid函数所具有的性质, 它常和单位阶跃函数用于构造人工神经网络[1]; 另外心理学中的学习曲线[2]的形状也和Sigmoid函数比较类似.
---没太想明白，Sigmoid函数为什么会重要到这种程度？
逻辑回归分析其实也是一种特殊的线性回归分析，只不过把归一化函数使用sigmoid函数代替（？是这样吧？）
在神经网络ANN中，最基本的单元unit不使用linear unit是因为它只能表现线性函数，无法表现非线性；不使用perceptron（本质是sgn函数）是因为它不连续可导，无法使用梯度下降法，这样一般都选用sigmoid函数。为什么sigmoid函数的效果就会这么好?他有什么性质能表现这样好呢？使用其他函数可以不可以？跟它又差在那里了？
真是还没想明白。
扫一扫
813
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
