常用激活函数比较
参考 常用激活函数比较
本文结构：
- 什么是激活函数
- 为什么要用
- 都有什么
- sigmoid ，ReLU， softmax 的比较
- 如何选择
1. 什么是激活函数
如下图，在神经元中，输入的 inputs 通过加权，求和后，还被作用了一个函数，这个函数就是激活函数 Activation Function。
2. 为什么要用
如果不用激励函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合。
如果使用的话，激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数，这样神经网络就可以应用到众多的非线性模型中。
3. 都有什么
(1) sigmoid 函数（曲线很像 “S” 型） 值域（0,1）
公式：
曲线：
也叫 Logistic 函数，用于隐层神经元输出
取值范围为 (0,1)
sigmoid 函数的导数是：
它可以将一个实数映射到 (0,1) 的区间，可以用来做二分类。（它不像 SVM 直接给出一个分类的结果，Logistic Regression 给出的是这个样本属于正类或者负类的可能性是多少，当然在多分类的系统中给出的是属于不同类别的可能性，进而通过可能性来分类。）
在特征相差比较复杂或是相差不是特别大时效果比较好。
sigmoid 缺点：
激活函数计算量大，反向传播求误差梯度时，求导涉及除法
反向传播时，很容易就会出现梯度消失的情况，从而无法完成深层网络的训练（sigmoid 的饱和性）
下面解释为何会出现梯度消失：
反向传播算法中，要对激活函数求导，sigmoid 的导数表达式为：
sigmoid 原函数及导数图形如下：
具有这种性质的称为软饱和激活函数。具体的，饱和又可分为左饱和与右饱和。与软饱和对应的是硬饱和, 即
此外，sigmoid 函数的输出均大于 0，使得输出不是 0 均值，这称为偏移现象，这会导致后一层的神经元将得到上一层输出的非 0 均值的信号作为输入。
(2) Tanh 函数 值域（-1,1）
公式
曲线
也称为双切正切函数
取值范围为 [-1,1]。
tanh函数的导数为
tanh 在特征相差明显时的效果会很好，在循环过程中会不断扩大特征效果。
与 sigmoid 的区别是，tanh 是 0 均值的，因此实际应用中 tanh 会比 sigmoid 更好，然而，tanh 一样具有软饱和性，从而造成梯度消失。
(3) ReLU
Rectified Linear Unit(ReLU) - 用于隐层神经元输出
公式
曲线
输入信号 <0 时，输出都是 0，>0 的情况下，输出等于输入
ReLU 的优点：
Krizhevsky et al. 发现使用 ReLU 得到的 SGD 的收敛速度会比 sigmoid/tanh 快很多。除此之外，当 x<0 时，ReLU 硬饱和，而当 x>0 时，则不存在饱和问题。所以，ReLU 能够在 x>0 时保持梯度不衰减，从而缓解梯度消失问题。这让我们能够直接以监督的方式训练深度神经网络，而无需依赖无监督的逐层预训练。
ReLU 的缺点：
随着训练的推进，部分输入会落入硬饱和区，导致对应权重无法更新。这种现象被称为 “神经元死亡”。与 sigmoid 类似，ReLU 的输出均值也大于 0，偏移现象和 神经元死亡会共同影响网络的收敛性。
(4) softmax 函数
Softmax - 用于多分类神经网络输出
公式
举个例子来看公式的意思：
就是如果某一个 zj 大过其他 z, 那这个映射的分量就逼近于 1, 其他就逼近于 0，主要应用就是多分类。
为什么要取指数，第一个原因是要模拟 max 的行为，所以要让大的更大。
第二个原因是需要一个可导的函数。
详细推导过程： 详解 softmax 函数以及相关求导过程
4. sigmoid ，ReLU， softmax 的比较
Sigmoid 和 ReLU 比较：
sigmoid 的梯度消失问题，ReLU 的导数就不存在这样的问题，它的导数表达式如下：
曲线如图
对比 sigmoid 类函数主要变化是：
1）单侧抑制
2）相对宽阔的兴奋边界
3）稀疏激活性。
Sigmoid 和 Softmax 区别：
softmax is a generalization of logistic function that “squashes”(maps) a K-dimensional vector z of arbitrary real values to a K-dimensional vector σ(z) of real values in the range (0, 1) that add up to 1.
sigmoid 将一个 real value 映射到（0,1）的区间，用来做二分类。
而 softmax 把一个 k 维的 real value 向量（a1,a2,a3,a4….）映射成一个（b1,b2,b3,b4….）其中 bi 是一个 0～1 的常数，输出神经元之和为 1.0，所以相当于概率值，然后可以根据 bi 的概率大小来进行多分类的任务。
二分类问题时 sigmoid 和 softmax 是一样的，求的都是 cross entropy loss，而 softmax 可以用于多分类问题
softmax 是 sigmoid 的扩展，因为，当类别数 k＝2 时，softmax 回归退化为 logistic 回归。具体地说，当 k＝2 时，softmax 回归的假设函数为：
利用 softmax 回归参数冗余的特点，从两个参数向量中都减去向量θ1 ，得到:
最后，用 θ′ 来表示 θ2−θ1，上述公式可以表示为 softmax 回归器预测其中一个类别的概率为
另一个类别概率的为
这与 logistic 回归是一致的。
softmax 建模使用的分布是多项式分布，而 logistic 则基于伯努利分布
多个 logistic 回归通过叠加也同样可以实现多分类的效果，但是 softmax 回归进行的多分类，类与类之间是互斥的，即一个输入只能被归为一类；多个 logistic 回归进行多分类，输出的类别并不是互斥的，即 "苹果" 这个词语既属于 "水果" 类也属于 "3C" 类别。
5. 如何选择
选择的时候，就是根据各个函数的优缺点来配置，例如：
如果使用 ReLU，要小心设置 learning rate，注意不要让网络出现很多 “dead” 神经元，如果不好解决，可以试试 Leaky ReLU、PReLU 或者 Maxout.
其他参考 神经网络五：常用的激活函数
