在这篇文章中，我们将解释什么是指数线性单元（ELU），以及如何利用ELU激活函数。通过学习这些知识，你将能够使用C++软件创建C++应用程序。
激活函数（phi()），也称为转移函数或阈值函数，它根据净输入函数的给定值（sum）确定激活值（a = phi(sum)）。在这里，sum是它们权重中的信号之和，激活函数是这个和的新值，具有给定的函数或条件。换句话说，激活函数是将所有加权信号的和转换为该信号的新激活值的方法。有不同类型的激活函数，通常使用的是线性（恒等）、双极性和逻辑（sigmoid）函数。激活函数及其类型在这里有详细解释。
在C++（以及大多数编程语言）中，你可以创建自己的激活函数。注意，sum是净输入函数的结果，它计算所有加权信号的和。我们将使用这些作为输入函数的结果。在这里，人工神经元（输出值）的激活值可以通过激活函数如下所示，
通过使用这个sum净输入函数值和phi()激活函数。
指数线性单元（ELU：Exponential Linear Unit）是另一种激活函数，由Djork-Arne Clevert, Thomas Unterthiner & Sepp Hochreiter开发并发表，标题为“FAST AND ACCURATE DEEP NETWORK LEARNING BY EXPONENTIAL LINEAR UNITS (ELUS)”。你可以通过点击这里找到论文的文本https://arxiv.org/pdf/1511.07289。
根据他们的研究，他们引入了“指数线性单元”（ELU），它加快了深度神经网络中的学习速度，并导致了更高的分类准确率。ELU激活函数通过对于正值的身份缓解了消失梯度问题，如修正线性单元（ReLUs），泄漏ReLUs（LReLUs）和参数化ReLUs（PReLUs）。他们还证明了与其他激活函数的单元相比，ELUs具有改进的学习特性。与ReLUs相比，
指数线性单元（ELU）可以写成如下，
这个函数的导数可以写成，
在C和C++编程语言中，简单的指数线性单元函数可以写成如下
我们可以在类中使用给定的ELU函数，如下所示，
指数线性单元（ELU）通常用于ANN应用中引入发展模型中的非线性，或者用于将信号限制在指定区间内。ANN元素计算其输入信号的线性组合，并应用有界的ELU函数作为激活函数作为输出（激活值）。这可以被定义为经典阈值神经元的平滑版本。最常用的激活函数选择，用于将大振幅的信号剪辑以保持神经网络的响应有界。
到此这篇sigmoid函数（双极性sigmoid函数）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/78000.html