Exponenta Banner
exponenta event banner

tansig

Гиперболический тангенс сигмоидной передаточной функции

Свернуть все на странице

Синтаксис

A = tansig(N)

Описание

пример

Совет

Чтобы использовать гиперболическую активацию тангенса для глубокого обучения, используйте tanhLayer функцию или dlarray способ танх.

A = tansig(N) принимает матрицу чистых входных векторов, N и возвращает S-by- Q матрица, A, элементов N вкраплен в [-1 1].

tansig является нейронной передаточной функцией. Передаточные функции вычисляют выход слоя из его чистого входа.

Примеры

свернуть все

Этот пример показов, как вычислить и построить гиперболический тангенс передаточной функции сигмоида матрицы входа.

Создайте матрицу входа, n. Затем вызовите tansig функция и постройте график результатов.

n = -5:0.1:5;
a = tansig(n);
plot(n,a)

Присвойте эту передаточную функцию слою i сети.

net.layers{i}.transferFcn = 'tansig';

Входные параметры

свернуть все

Сетевой вход векторов-столбцов, заданная как S-by- Q матрица.

Выходные аргументы

свернуть все

Выходные векторы, возвращенные как S-by- Q матрица, где каждый элемент N вычеркивается из интервала [-inf inf] в интервал [-1 1] с «S-образной» функцией.

Алгоритмы

a = tansig(n) = 2/(1+exp(-2*n))-1

Это математически эквивалентно tanh(N). Он отличается тем, что запускается быстрее, чем реализация MATLAB tanh, но результаты могут иметь очень маленькие числовые различия. Эта функция является хорошим компромиссом для нейронных сетей, где скорость важна, а точная форма передаточной функции - нет.

Ссылки

[1] Vogl, T. P., et al. «Accelering the Convergence of the Back-Propagation Method». Биологическая кибернетика, том 59, № 4-5, сентябрь 1988, стр. 257-63. DOI.org (Crossref), doi:10.1007/BF00332914.

См. также

|

Представлено до R2006a

Документация по Deep Learning Toolbox

Поддержка