Сигмоидальная функция

Cтраница 1

Сигмоидальная функция является некоторым компромиссом между линейной и ступенчатой функцией и сохраняет достоинства обеих. По аналогии со ступенчатой функцией, она нелинейна, и это дает возможность выделять в поисковом пространстве исследуемых объектов области сложной формы, в том числе невыпуклые и несвязные. С другой стороны, в отличие от ступенчатой функции, она позволяет переходить от одного значения входного сигнала к другому без разрывов, как это происходит в линейной функции. Однако любую из преобразующих функций активации ( возбуждения) необходимо рассматривать как приближенную. Учитывая сложность архитектуры нейросети и трудность настройки ее параметров на решение определенной задачи, необходимо переходить к более гибким произвольным нелинейным функциям. Для повышения эффективности работы нейронной сети разработан класс моделей нейронов, реализующих различные функции активации, которые можно подстраивать под соответствующие задачи. Для реализации произвольной функции активации разработан оригинальный алгоритм обучения в нейронной сети, основанный на генетическом поиске. [1]

Сигмоидальные функции являются монотонно возрастающими и имеют отличные от нуля производные на всей области определения. Эти характеристики обеспечивают правильное функционирование и обучение сети. [2]

График сигмоидальной функции. [3]

Задается так называемая сигмоидальная функция принадлежности, определяемая выражением, приведенным выше и зависящим от двух параметров. [4]

Примеры активационных функций. [5]

Следует отметить, что сигмоидальная функция дифференцируема на всей оси абсцисс, что используется в некоторых алгоритмах обучения. Кроме того, она обладает свойством усиливать слабые сигналы лучше, чем большие, и предотвращает насыщение от больших сигналов, так как они соответствуют областям аргументов, где сигмоид имеет пологий наклон. [6]

Способ объединения функций принадлежности. [7]

Этот процесс схематически представлен на рис. 5.33. Сигмоидальные функции имеют противоположные знаки и сдвинуты относительно друг друга. На рисунке они представлены пунктиром, а их комбинация - сплошной линией. [8]

Задается функция принадлежности, определяемая как разность двух сигмоидальных функций. [9]

Структура фрагмента модуля управления, реализующего нечеткий вывод. [10]

После проведения многочисленных экспериментов принято решение создавать сеть со структурой 5 2 1 с сигмоидальной функцией активации. На ее выходе организованы два блока, которые масштабируют выходной сигнал для лучшей адаптации его к решаемой задаче. [11]

Точность, конечно, увеличивается в зависимости от величины экспоненты п, используемой в сигмоидальных функциях. [12]

Различия между сетью и OLS-регрессией становятся разительными, когда в данных присутствуют нелинейности, которые можно уловить с помощью сигмоидальной функции преобразования. [13]

Функции переноса искусственных нейронов. a - линейная. б - ступенчатая. в - сигмоидальная. [14]

Подобно ступенчатой функции она позволяет выделять в пространстве признаков множества сложной формы, в том числе невыпуклые и несвязные. При этом сигмоидальная функция, в отличие от ступенчатой, не имеет разрывов. Она дифференцируема, как и линейная функция, и это качество можно использовать при поиске экстремума в пространстве параметров ИНС. [15]

Страницы: 1 2