【专栏2】激活函数（一）浅谈激活函数以及其倒退

激活函数是神经网络的相当重要的一部分，在神经网络的发展史上，各种激活函数也是一个钻研的方向。咱们在学习中，往往没有思考过——为什么用这个函数以及它们是从何而来？

生物神经网络曾给予了人工神经网络相当多的启发。如上图，来自树突信号一直累积，如若信号强度超过一个特定阈值，则向轴突持续传递信号。如若未超过，则该信号被神经元“杀死”，无奈持续流传。

在人工神经网络之中，激活函数有着殊途同归之妙。试想，当咱们学习了一些新的货色之后，一些神经元会产生不同的输入信号，这使得神经元得以连贯。

sigmoid函数兴许是大家初学神经网络时第一个接触到的激活函数，咱们晓得它有很多良好的个性，诸如能将间断的实值变换为0到1的输入、求导简略，那么这个函数是怎么失去的呢？本文从最大熵原理提供一个角度。

1 sigmoid函数与softmax函数

1.1 最大熵原理与模型

最大熵原理是概率模型学习的一个准则[](#refer-anchor)。最大熵原理认为，学习概率模型时，在所有可能的概率模型中，熵最大的模型是最好的模型。

假如离散随机变量的概率分布是，则其熵是

熵满足下列不等式：

式中，是的取值个数，当且仅当的散布是均匀分布时左边的等号成立。这就是说，当遵从均匀分布时，熵最大。

直观而言，此原理认为要抉择的概率模型首先必须满足已有的条件，在无更多信息的条件下没其余不确定的局部都是等可能的。

假如分类模型是一个条件概率分布，给定一个训练集，能够确定的教训散布和边缘散布的教训散布，别离以和示意。

用特征函数（feature function）形容输出和之间的某一个事实，定义为：

由上述信息，能够假如对于教训散布的期望值和对于模型与教训散布的期望值相等，即：

联合条件，该问题等价于束缚最优化问题：

由拉格朗日乘子法，问题转换为求如下式子的最小值

此时，咱们对求的导数：

令其导数值为0，在的状况下，解得：

因为，得：

由下面两式可得：

仔细的同学不难发现，这和softmax函数非常相近，定义，即可失去softmax函数：

那么sigmoid函数呢？其实该函数就是softmax函数的二分类特例：

说完了推导，就来谈谈这两函数的特点。sigmoid函数的长处前文已提到，但sigmoid在反向流传时容易呈现“梯度隐没”的景象。

能够看出，当输出值很大或很小时，其导数靠近于0，它会导致梯度过小无奈训练。

2 ReLU函数族的崛起

如图所示，ReLU函数很好防止的梯度隐没的问题，与Sigmoid/tanh函数相比，ReLU激活函数的长处是：

• 应用梯度降落（GD）法时，收敛速度更快 。
• 相比ReLU只须要一个门限值，即能够失去激活值，计算速度更快 。

毛病是：  ReLU的输出值为负的时候，输入始终为0，其一阶导数也始终为0，这样会导致神经元不能更新参数，也就是神经元不学习了，这种景象叫做“Dead Neuron”。

为了解决ReLU函数这个毛病，又呈现了不少基于ReLU函数的倒退，比方Leaky ReLU(带透露单元的ReLU)、 RReLU（随机ReLU）等等，兴许你有一天也能发现成果更好的ReLU函数呢！

援用

[1] [李航. 统计学习办法[M]. 清华大学出版社, 2012.]