激活函数 （Sigmod、tanh、Relu）

 

什么是激活函数

　　激活函数（Activation functions）对于人工神经网络 [1]  模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。如图1，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。引入激活函数是为了增加神经网络模型的非线性。没有激活函数的每层都相当于矩阵相乘。就算你叠加了若干层之后，无非还是个矩阵相乘罢了。

                                                                               

为什么要用激活函数

　　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，这种情况就是最原始的感知机（Perceptron）。

　　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。

 

特点及使用场景

 　1、Sigmod激活函数

　　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)。
　　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。）

　　Sigmod函数优点
　　输出范围有限，数据在传递的过程中不容易发散。
　　输出范围为(0,1)，所以可以用作输出层，输出表示概率。
　　抑制两头，对中间细微变化敏感，对分类有利。
　　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：

　　　　　　　　　　　　　　　　　　　

 

　　从上图可以看到，其两侧导数逐渐趋近于0 ，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sigmoid 的软饱和性，使得深度神经网络在二三十年里一直难以有效的训练，是阻碍神经网络发展的重要原因。具体来说，由于在后向传递过程中，sigmoid向下传导的梯度包含了一个因子（sigmoid关于输入的导数），因此一旦输入落入饱和区，的导数就会变得接近于0，导致了向底层传递的梯度也变得非常小。此时，网络参数很难得到有效训练。这种现象被称为梯度消失。一般来说， sigmoid 网络在 5 层之内就会产生梯度消失现象。

　　Sigmoid 的 output 不是0均值，这是不可取的，因为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。 产生的一个结果就是：如果数据进入神经元的时候是正的(e.g.x>0   elementwise  in  f=wTx+be.g.x>0   elementwise  in  f=wTx+b)，那么 w 计算出的梯度也会始终都是正的。 

　　当然了，如果你是按batch去训练，那么那个batch可能得到不同的信号，所以这个问题还是可以缓解一下的。因此，非0均值这个问题虽然会产生一些不好的影响，不过跟上面提到的 kill gradients 问题相比还是要好很多的。

　　(2) Tanh函数

　　公式

f’（z）=4sigmoid‘（2z）

　　曲线

　　也称为双切正切函数，取值范围为[-1,1]。
　　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。

 　　

　　eaky-ReLU、P-ReLU、R-ReLU

　　（1）Leaky ReLUs： 就是用来解决这个 “dying ReLU” 的问题的。与 ReLU 不同的是：  

　　这里的 

　　关于Leaky ReLU 的效果，众说纷纭，没有清晰的定论。有些人做了实验发现 Leaky ReLU 表现的很好；有些实验则证明并不是这样。

　

　　数学表示如下：

　

　　maxout

       参考：https://blog.csdn.net/hjimce/article/details/50414467

　Maxout出现在ICML2013上，作者Goodfellow将maxout和dropout结合后，号称在MNIST, CIFAR-10, CIFAR-100, SVHN这4个数据上都取得了start-of-art的识别率。 可以注意到，ReLU 和 Leaky ReLU 都是它的一个变形（比如，Maxout的拟合能力是非常强的，它可以拟合任意的的凸函数。作者从数学的角度上也证明了这个结论，即只需2个maxout节点就可以拟合任意的凸函数了（相减），前提是”隐隐含层”节点的个数可以任意多。
　　我们在一层同时训练n组参数，然后选择激活值最大的作为下一层神经元的激活值。

　　所以，Maxout 具有 ReLU 的优点（如：计算简单，不会 saturation），同时又没有 ReLU 的一些缺点 （如：容易 go die）。不过呢，还是有一些缺点的嘛：就是把参数double了。

还有其他一些激活函数，请看下表：

　 怎么选择激活函数呢？

　　如果你使用 ReLU，那么一定要小心设置 learning rate，而且要注意不要让你的网络出现很多 “dead” 神经元，如果这个问题不好解决，那么可以试试 Leaky ReLU、PReLU 或者 Maxout.

友情提醒：最好不要用 sigmoid，你可以试试 tanh，不过可以预期它的效果会比不上 ReLU 和 Maxout.

还有，通常来说，很少会把各种激活函数串起来在一个网络中使用的。

Reference

[1]. http://www.faqs.org/faqs/ai-faq/neural-nets/part2/section-10.html 
[2]. http://papers.nips.cc/paper/874-how-to-choose-an-activation-function.pdf 
[3]. https://en.wikipedia.org/wiki/Activation_function 
[4]. http://cs231n.github.io/neural-networks-1/