12

Dường như có một chút nhầm lẫn giữa kích hoạt và chức năng truyền. Từ Wikipedia ANN:Mạng thần kinh: chức năng kích hoạt và chức năng truyền

enter image description here

Dường như chức năng chuyển giao tính mạng trong khi chức năng kích hoạt đầu ra của tế bào thần kinh. Nhưng trên Matlab documentation of an activation function Tôi xin trích dẫn:

satlin (N, FP) là một thần kinh chuyển chức năng. Chức năng truyền tính toán đầu ra của lớp từ đầu vào mạng của nó.

Vậy ai là đúng? Và bạn có thể sử dụng chức năng kích hoạt thuật ngữ hoặc chức năng chuyển đổi thay thế cho nhau không?

Trả lời

8

Tôi cũng trích dẫn từ wikipedia: "Thông thường các khoản tiền của mỗi nút được trọng, và tổng được truyền thông qua một hàm phi tuyến tính được gọi là một chức năng kích hoạt hoặc chuyển giao chức năng

Trong học máy ít nhất,. chúng được sử dụng thay thế cho tất cả các chuyên gia mà tôi biết ("chức năng kích hoạt" được sử dụng thường xuyên hơn, trong khi tôi nghĩ "chức năng truyền" thường được sử dụng trong xử lý tín hiệu). bất kỳ ai sử dụng chúng dưới dạng hai thuật ngữ khác nhau sẽ phải rõ ràng hơn.

1

Tôi cũng là người mới trong lĩnh vực học máy. Từ những gì tôi hiểu ...

Chức năng truyền: Chức năng truyền tính toán trọng lượng tịnh, vì vậy bạn cần phải sửa đổi mã hoặc tính toán của bạn cần thực hiện trước khi chuyển chức năng. Bạn có thể sử dụng chức năng truyền khác nhau phù hợp với công việc của bạn.

Chức năng kích hoạt: Giá trị này được sử dụng để tính giá trị ngưỡng tức là khi mạng của bạn sẽ cung cấp đầu ra. Nếu kết quả tính toán của bạn lớn hơn giá trị ngưỡng thì nó sẽ hiển thị đầu ra nếu không.

Hy vọng điều này sẽ hữu ích.

2

Chức năng chuyển đến từ việc chuyển đổi tên và được sử dụng cho mục đích chuyển đổi. Mặt khác, chức năng kích hoạt kiểm tra đầu ra nếu nó đáp ứng một ngưỡng nhất định và một trong hai đầu ra bằng không hoặc một. Một số ví dụ về các hàm truyền phi tuyến là softmax và sigmoid. Ví dụ, giả sử chúng ta có tín hiệu đầu vào liên tục x (t). Tín hiệu đầu vào này được chuyển thành tín hiệu đầu ra y(t) thông qua chức năng truyền H(s).

     Y(s) = H(s)X(s) 

Chuyển chức năng H(s) như có thể thấy ở trên thay đổi trạng thái của đầu vào X(s) vào trạng thái đầu ra mới Y(s) thông qua chuyển đổi. Một cái nhìn gần hơn về H (s) cho thấy rằng nó có thể đại diện cho một trọng lượng trong một mạng thần kinh. Do đó, H(s)X(s) chỉ đơn giản là phép nhân của tín hiệu đầu vào và trọng số của nó. Một số các cặp trọng lượng đầu vào trong một lớp nhất định sau đó được tổng hợp để tạo thành đầu vào của một lớp khác. Điều này có nghĩa là đầu vào cho bất kỳ lớp nào vào mạng nơron đơn giản là chức năng truyền của đầu vào và trọng số, tức là chuyển đổi tuyến tính vì đầu vào giờ đây được chuyển đổi theo trọng số. Nhưng trong thế giới thực, vấn đề là phi tuyến tính trong tự nhiên. Do đó, để làm cho dữ liệu đến phi tuyến tính, chúng tôi sử dụng ánh xạ phi tuyến tính được gọi là hàm kích hoạt.Hàm kích hoạt là một hàm quyết định xác định sự hiện diện của tính năng thần kinh cụ thể. Nó được ánh xạ giữa 0 và 1, trong đó 0 có nghĩa là đối tượng địa lý không có ở đó, trong khi đó nghĩa là đối tượng địa lý có mặt. Thật không may, những thay đổi nhỏ xảy ra trong trọng số không thể được phản ánh trong giá trị kích hoạt bởi vì nó chỉ có thể lấy 0 hoặc 1. Do đó, finctions phi tuyến phải liên tục và có thể phân biệt giữa phạm vi này. Thực sự có ý nghĩa trước khi xuất kích hoạt, bạn tính toán sigmoid đầu tiên vì nó liên tục và khác biệt và sau đó sử dụng nó làm đầu vào cho một hàm kích hoạt để kiểm tra xem đầu ra của sigmoid có cao hơn kích hoạt của nó hay không. Một mạng nơ-ron phải có khả năng lấy bất kỳ đầu vào nào từ-vô cực đến + cực dương, nhưng nó có thể ánh xạ nó tới đầu ra nằm trong khoảng từ {0,1} hoặc giữa {-1,1} trong một số trường hợp - do đó cần có chức năng kích hoạt.

0

Tôi nghĩ biểu đồ là chính xác nhưng không chính xác về mặt thuật ngữ.

Chức năng truyền bao gồm cả chức năng kích hoạt và chuyển trong sơ đồ của bạn. Hàm được gọi là hàm truyền trong sơ đồ của bạn thường được gọi là hàm đầu vào ròng. Hàm đầu vào ròng chỉ thêm trọng số vào các đầu vào và tính toán đầu vào ròng, thường bằng tổng của các đầu vào nhân với số lượng đã cho. Hàm kích hoạt, có thể là một hàm sigmoid, step, etc., được áp dụng cho đầu vào ròng để tạo ra đầu ra.

5

Sau khi một số nghiên cứu tôi đã tìm thấy trong "Survey of Neural Transfer Functions", from Duch and Jankowski (1999) rằng:

transfer_function = activation function + output function 

Và IMO các thuật ngữ có ý nghĩa bây giờ vì chúng ta cần phải có một giá trị (cường độ tín hiệu) để xác minh nó trở thành tế bào thần kinh sẽ được kích hoạt và sau đó tính toán một đầu ra từ nó. Và toàn bộ quá trình làm là truyền tín hiệu từ lớp này sang lớp khác.

Hai chức năng xác định tín hiệu cách được xử lý bởi nơron. Chức năng kích hoạt xác định tổng tín hiệu mà một nơron nhận được. Giá trị của hàm kích hoạt thường là vô hướng và các đối số là các vectơ. Hàm thứ hai xác định chế độ xử lý tín hiệu của nơron là chức năng đầu ra o (I), hoạt động trên vô hướng kích hoạt và trả về giá trị vô hướng. Thông thường, một hàm squashing được sử dụng để giữ các giá trị đầu ra trong giới hạn được chỉ định. Hai chức năng này cùng nhau xác định giá trị của các tín hiệu điêtơ . Thành phần kích hoạt và chức năng đầu ra được gọi là chức năng chuyển o (I (x)).

Các vấn đề liên quan