神经网络的激活函数选择 [英] Activation Function choice for Neural network

问题描述

我们可以对神经网络的隐藏层和输出层使用不同的激活功能吗? 使用这种方案有明显的优势吗?

Can we use different Activation functions for hidden layer and output layer of Neural network? Is there any explicit advantage of using such scheme?

推荐答案

简而言之-是的，您可以.通常将S形函数用作隐藏层激活以确保非线性特征，并在为特定任务选择的输出中激活(取决于您要建模的内容以及所使用的成本函数)，这是一种常见的方法.

In short - yes you can. It is a common approach to use sigmoid function as a hidden layer activation to ensure nonlinear features, and activation in the output selected for a particular task (depending on what you are trying to model, and what cost function you use).

这篇关于神经网络的激活函数选择的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！