神经网络激励函数

㈠ BP神经网络matlab工具箱中的激励函数（传递函数），训练函数，学习函数

激励函数用于神经元由输入计算输出的，而训练函数和学习函数是基于误差，来版修改权值权和阈值的，再就完成了一次训练，然后继续迭代，知道达到迭代次数或满足精度。
然而，学习函数和训练函数的功能貌似很相近，至于具体区别，正在纠结着我呢

㈡ 神经网络激励函数的作用形象的解释是什么

神经网络中的每个节点接受输入值，并将输入值传递给下一层，输入节点会将输入属性值直宏模接传递慎猛给下一层（隐层或输出层）。在神经网络中，隐层和输出层节点的输入和输出之间具有函数关系，这个函数称为激励函数。常见的激励函数有：线性激励函数、阈值或阶跃激励函数、S形激励函数、双曲正切激励函数和高斯激励函数等。求取激励函数逆函数积分和的目的是为了配合所设计的能量函数的数值计算，但是该值得求取具有以下困难：逆函数无法用数学解析表达；要对逆函数积分并不容易；即使可以积分，也会很浪费时间，不适宜在算法迭代中直接使用。为了解决上述问题，这里将以64QAM信号的激励函数为例来阐述求取改该值的方法：利用正函数，求关于逆函数的积分；利用Cumtrapz求在区间段的积分采样值；利用多项式进行最小二乘回归，获得回归函数的回归拟合曲线。只要预先获得激励函数的逆函数积分和，就可以很容易地构造出对应的搜索表，然后在迭代中直接采用查表方法获得相应的值，或者可以根据拟合回归函数进行近似计算逆函数积分和的值。宽绝桥求取激励函数逆函数积分和的目的是为了配合所设计的能量函数的数值计算，但是该值得求取具有以下困难：逆函数无法用数学解析表达；要对逆函数积分并不容易；即使可以积分，也会很浪费时间，不适宜在算法迭代中直接使用。

㈢ 在搭建神经网络的时候，如何选择合适的转移函数（

一般来说，神经网抄络的激励函数有以下几种：阶跃函数 ，准线性函数，双曲正切函数，Sigmoid函数等等，其中sigmoid函数就是你所说的S型函数。以我看来，在你训练神经网络时，激励函数是不轻易换的，通常设置为S型函数。如果你的神经网络训练效果不好，应从你所选择的算法上和你的数据上找原因。算法上BP神经网络主要有自适应学习速率动量梯度下降反向传播算法(traingdx)，Levenberg-Marquardt反向传播算法(trainlm)等等，我列出的这两种是最常用的，其中BP默认的是后一种。数据上，看看是不是有误差数据，如果有及其剔除，否则也会影响预测或识别的效果。

㈣ Matlab中如何自定义神经网络的激励函数

建立神经网络：
net=newff(minmax(P),[30,7],{'tansig','logsig'},'traingdx');
其中，隐含层有30个节点，激励函孙唤数茄局为：tansig; 输出层有7个则纳凯节点，激励函数：logsig;学习函数：traingdx.

㈤ 神经网络激励函数的作用是什么有没有形象的解释

以我个人的理解，神经网络会有很多数据输入，历芦激活函数有两个作用，第一是因为实际数据会有噪声，为了让噪声对下一层的影响较小，采用激活函数可以磨烂灶抑制边缘奇异性较大的数据，第二个作用就是对前一层输出值进行约束，这就好比人一样，我们的身高在1-3米之间瞎扮，加入计算中计算出了一个非常夸张的数，就可以用激励函数约束（一般训练初时病态比较严重）在1-3米之间，常用的双极型函数就是把数据都约束在-1到1的超球体内。

㈥ 神经网络的隐含层和输出层都有激励函数吗，激励函数可以任意选吗，权值调整用的函数和激励函数有关吗

当然都来有激励函数了，源激励函数理论上是可以任意选，但是在实际应用的时候并不是任何函数都适合。常用的激励函数有三种：阈值型、线性型和Sigmoid型。

权值的调整和所选的激励函数有关，因为你要把各层上的数据代入激励函数进行运算，不同的激励函数结果肯定也不一样。就像两个不同的函数，将同一个x值代入结果当然不一样。