Exponenta Banner
exponenta event banner

logsig

Сигмоидальная журналом передаточная функция

свернуть все на странице

Синтаксис

A = logsig(N)
dA_dN = logsig('dn',N,A,FP)
info = logsig(code)

Описание

пример

Совет

Чтобы использовать логистическую сигмоидальную активацию для глубокого обучения, использовать sigmoidLayer или dlarray сигмоидальный метод.

A = logsig(N) берет матрицу сетевых входных векторов, N и возвращает S- Q матрица, A, из элементов N раздавленный в [0, 1].

logsig передаточная функция. Передаточные функции вычисляют выход слоя от его сетевого входа.

dA_dN = logsig('dn',N,A,FP) возвращает S- Q производная A относительно N. Если A or FP не предоставляются или установлены в []fp возвращается к параметрам по умолчанию и A вычисляется от N.

info = logsig(code) возвращает информацию об этой функции. Для получения дополнительной информации см. описание аргумента code.

Примеры

свернуть все

В этом примере показано, как вычислить и построить сигмоидальную журналом передаточную функцию входной матрицы.

Создайте входную матрицу, n. Затем вызовите logsig функционируйте и постройте результаты.

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

Присвойте эту передаточную функцию слою i из сети.

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

Входные параметры

свернуть все

Сетевые входные вектор-столбцы в виде S- Q матрица.

Информация вы хотите получить из функции в виде одного из следующего:

  • 'name' возвращает имя этой функции.

  • 'output' возвращает [min max] выведите область значений.

  • 'active' возвращает [min max] активный входной диапазон.

  • 'fullderiv' возвращается 1 или 0, в зависимости от ли dA_dN S- S- Q или S- Q.

  • 'fpnames' возвращает имена параметров функции.

  • 'fpdefaults' возвращает параметры функции по умолчанию.

Выходные аргументы

свернуть все

Выходные векторы, возвращенные как S- Q матрица, где каждый элемент N раздавлен от интервала [-inf inf] к интервалу [0 1] с "S-образной" функцией.

Алгоритмы

logsig(n) = 1 / (1 + exp(-n))

Смотрите также

|

Представлено до R2006a

Документация Deep Learning Toolbox

Поддержка