Exponenta Banner

softplusLayer

Слой Softplus для агента или сети критика

расширьте все на странице

Описание

softplus слой применяет softplus функцию активации Y = журнал (1 + eX), который гарантирует, что выход всегда положителен. Эта функция активации является сглаженной непрерывной версией reluLayer. Можно включить этот слой в глубокие нейронные сети, которые вы задаете для агентов в агентах обучения с подкреплением. Этот слой полезен для создания непрерывных Гауссовых глубоких нейронных сетей политики, для которых стандартное отклонение выход должен быть положительным.

Создание

Синтаксис

sLayer = softplusLayer
sLayer = softplusLayer(Name,Value)

Описание

пример

sLayer = softplusLayer создает softplus слой со значениями свойств по умолчанию.

sLayer = softplusLayer(Name,Value) свойства наборов с помощью пар "имя-значение". Например, softplusLayer('Name','softlayer') создает softplus слой и присваивает имя 'softlayer'.

Свойства

развернуть все

Имя слоя в виде вектора символов. Чтобы включать слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете серийную сеть с этим слоем и Name установлен в '', затем программное обеспечение автоматически присваивает имя к слою в учебное время.

Это свойство доступно только для чтения.

Описание слоя в виде вектора символов. Когда вы создаете softplus слой, можно использовать это свойство дать ему описание, которое помогает вам идентифицировать его цель.

Примеры

свернуть все

Скрипт Open Live Script

Создайте s softplus слой.

sLayer = softplusLayer;

Можно задать имя softplus слоя. Например, если softplus слой представляет стандартное отклонение Гауссовой глубокой нейронной сети политики, можно задать соответствующее имя.

sLayer = softplusLayer('Name','stddev')
sLayer = 
  SoftplusLayer with properties:

    Name: 'stddev'

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

Можно включить sLayer в сеть агента для обучения с подкреплением.

Смотрите также

|

Темы

Введенный в R2020a

Документация Reinforcement Learning Toolbox

Поддержка