Aus dem Kurs: Neuronale Netze und Deep Learning – Grundlagen

So erhalten Sie Zugriff auf diesen Kurs

Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 24.900 Kurse von Branchenfachleuten.

Aktivierungsfunktionen nutzen

Aktivierungsfunktionen nutzen

Aus dem Kurs: Neuronale Netze und Deep Learning – Grundlagen

Gratismonat starten Für Ihr Team erwerben

Aktivierungsfunktionen nutzen

“

Aktivierungsfunktionen sind wichtige Teile in neuronalen Netzen, sie normieren die Ausgabe gewissermaßen. Es gibt sehr viele unterschiedliche Aktivierungsfunktionen, wir sehen uns hier nur mal vier berühmte Beispiele an. Hier ganz links oben Tangens Hyperbolicus oder kurz tanh abgekürzt. Diese Funktion hat die angenehme Eigenschaft, dass sie die Eingabe auf einen Wert zwischen -1 und 1 normiert, hat auch eine S-förmige Kurve, wie man hier sieht. Und wenn unser X sehr groß wären würde, ich bin mal so frech und zeichne das einfach hier drüber, über diesen Textwert, dann würde auch eine sehr große Eingabe trotzdem auf einen Wert von 1 normiert werden und nicht beliebig groß werden. Die nächste Funktion ist Rectified Linear Unit oder ReLU abgekürzt. Die sieht wie folgt aus und hat folgende Definition. Sie ist ganz simple, sie sagt einfach, dass, wenn X größer, gleich 0 ist, wird der Wert 1 zu 1 zurückgeben. Ist er kleiner als 0, wird der Wert auf 0 normiert. Also, als Beispiel ist unser X…

Inhalt