sigmoid和softmax区别 在训练LSTM的时候使用除了Tanh/Sigmoid以外的激活函数效果都很差，是为什么？

在训练LSTM的时候使用除了Tanh/Sigmoid以外的激活函数效果都很差，是为什么？

LSTM中使用的所有Sigmoid都是门，其输出必须在0.1之间，所以relu不能确定

elliotsig也很难饱和。LSTM应该需要饱和门来记住或忘记信息。不饱和门会使过去和现在的记忆一直重叠，从而导致记忆混乱

线性激活函数的缺点是线性函数，数字的组合仍然是线性函数。

由于我们遇到的问题大多是非线性的，比较复杂，如果不使用激活函数来添加非线性，网络结构的表达能力就非常有限，相应的效果自然就差了。

卷积神经网络卷积层后一定要跟激活函数吗？

有毅力不难思考，有毅力不难思考，有毅力不难坚持！

sigmoid和softmax区别 神经网络sigmoid函数 sigmoid函数详解

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。