激活函数是神经网络的相当重要的一部分，在神经网络的发展史上，各种激活函数也是一个研究的方向。我们在学习中，往往没有思考过——为什么用这个函数以及它们是从何而来？
image
生物神经网络曾给予了人工神经网络相当多的启发。如上图，来自树突信号不断累积，如若信号强度超过一个特定阈值，则向轴突继续传递信号。如若未超过，则该信号被神经元“杀死”，无法继续传播。
在人工神经网络之中，激活函数有着异曲同工之妙。试想，当我们学习了一些新的东西之后，一些神经元会产生不同的输出信号，这使得神经元得以连接。
sigmoid函数也许是大家初学神经网络时第一个接触到的激活函数，我们知道它有很多良好的特性，诸如能将连续的实值变换为0到1的输出、求导简单，那么这个函数是怎么得到的呢？本文从最大熵原理提供一个角度。
1 sigmoid函数与softmax函数
1.1 最大熵原理与模型
最大熵原理是概率模型学习的一个准则<u>1</u>。最大熵原理认为，学习概率模型时，在所有可能的概率模型中，熵最大的模型是最好的模型。
假设离散随机变量
image
的概率分布是
image
，则其熵是
image
熵满足下列不等式：
image
式中，
image
是
image
的取值个数，当且仅当
image
的分布是均匀分布时右边的等号成立。这就是说，当
image
服从均匀分布时，熵最大。
直观而言，此原理认为要选择的概率模型首先必须满足已有的条件，在无更多信息的条件下没其他不确定的部分都是等可能的。
假设分类模型是一个条件概率分布
image
，给定一个训练集
image
，可以确定
image
的经验分布和边缘分布
image
的经验分布，分别以
image
和
image
表示。
用特征函数（feature function）
image
描述输入
image
和
image
之间的某一个事实，定义为：
image
由上述信息，可以假设
image
关于经验分布
image
的期望值和关于模型
image
与经验分布
image
的期望值相等，即：
image
结合条件，该问题等价于约束最优化问题：
image
由拉格朗日乘子法，问题转换为求如下式子的最小值
image
此时，我们对
image
求
image
的导数：
image
令其导数值为0，在
image
的情况下，解得：
image
由于
image
，得：
image
由上面两式可得：
image
细心的同学不难发现，这和softmax函数十分相近，定义
image
，即可得到softmax函数：
image
那么sigmoid函数呢？其实该函数就是softmax函数的二分类特例：
image
说完了推导，就来谈谈这两函数的特点。sigmoid函数的优点前文已提到，但sigmoid在反向传播时容易出现“梯度消失”的现象。
image
可以看出，当输入值很大或很小时，其导数接近于0，它会导致梯度过小无法训练。
2 ReLU函数族的崛起
image
如图所示，ReLU函数很好避免的梯度消失的问题，与Sigmoid/tanh函数相比，ReLU激活函数的优点是：
· 使用梯度下降（GD）法时，收敛速度更快 。
· 相比ReLU只需要一个门限值，即可以得到激活值，计算速度更快 。
缺点是： ReLU的输入值为负的时候，输出始终为0，其一阶导数也始终为0，这样会导致神经元不能更新参数，也就是神经元不学习了，这种现象叫做“Dead Neuron”。
为了解决ReLU函数这个缺点，又出现了不少基于ReLU函数的发展，比如Leaky ReLU(带泄漏单元的ReLU)、 RReLU（随机ReLU）等等，也许你有一天也能发现效果更好的ReLU函数呢！
引用
[1] [李航. 统计学习方法[M]. 清华大学出版社, 2012.]
网友评论