1樓：小南國
神經網路啟用函式用於處理神經網路的輸入和輸出，是神經網路的核心部分之一，主要作用是引入非線性特性，從而使神經網路能夠處理複雜的非線性問題。在這個過程中，使用對數迴歸作為啟用函式，往往不太適合，主要有以下幾個原因：
1. 對數迴歸不是全域性函式：對數函式具有對數性質，其函式值在正負數上的行為不同。
如果使用對數迴歸作為神經網路的啟用函式，將會出現不同的函式行為，使得函式隨神經元狀態的變化而出現非線性在某一端行為的情況。這可能會導致神經網路學習過程的不穩定性，從而影響神經網路的整體效能。
2. 對數迴歸不是非常通用的函式：對數函式通常用於處理概率問題和最小二乘問題，例如模型引數的優化。而在神經網路中，有許多不同型別的非線性問題，對數迴歸不能很好地處理這些問題。
3. 梯度消失問題：對於一些較深的神經網路，對數函式（或其他可能的啟用函式）可能會出現梯度消失問題。
梯度消失是指在反向傳播演算法中，由於啟用函式的變化過於緩慢，導致梯度變得非常小，從而在後面的層次中使得網路學習變得非常緩慢。
因此，在神經網路中，更常用的啟用函式是具有全域性性質，非線性特性強，並且通用性高的函式，如relu函式、sigmoid函式、tanh函式等。這些函式具有一定的非線性特性和有效的梯度下降方法，可以處理各種不同型別和規模的深度神經網路問題。
2樓：我是不樂仙仙
神經網路的啟用函式通常不使用對數迴歸，主要是因為對數迴歸函式的輸出值範圍是有限的，即在負無窮到正無窮之間。而神經網路的啟用函式需要具有非線性的特性，以便能夠處理複雜的非線性問題。因此，神經網路通常使用的啟用函式有sigmoid、relu、tanh等，這些函式的輸出值範圍都是有限的，並且具有非線性的特性，可以更好地適應神經網路的訓練和優化過程。
此外，對數迴歸函式在處理分類問題時也存在一些問題，例如可能會出現梯度消失的情況，導致訓練過程變得困難。因此，神經網路通常使用其他的啟用函式來處理分類問題。
3樓：文樂情感
神經網路中的啟用函式通常被用於給神經元的輸出產生非線性的響應，以便提高神經網路的表達能力和非線性擬合能力。對於迴歸任務，常用的啟用函式包括relu、sigmoid等。而對數迴歸是一種用於二分類或多分類問題的演算法，它本身不是用於神經網路中的啟用函式的。
具體來說，對數迴歸是一種基於對數幾率模型的分類演算法，其本質是乙個線性模型加上乙個概率模型，不同的是對數幾率模型在輸出結果後經過乙個logistic函式將輸出結果對映到(0,1)之間，並將其解釋為概率。而神經網路中的啟用函式則主要用於引入非線性，增強網路的表達能力，從而逼近非線性函式。
另外，對於迴歸任務，神經網路通常使用均方誤差(mse)或平均絕對誤差(mae)等損失函式衡量**值與真實值之間的差距，而對數迴歸則使用對數損失函式。因此，雖然對數迴歸可以用於二分類或多分類問題，但不適用於神經網路中的啟用函式。
總之，啟用函式的選擇需要根據具體任務和網路結構進行考慮，對數迴歸不是神經網路中啟用函式的合適選擇。
如何定義神經網路問題的評價函式？
神經網路問題的評價函式是一種用於衡量神經網路模型的 精度的函式。常用的評價函式有均方誤差 mean squared error,mse 交叉熵 cross entropy 準確率 accuracy 等。均方誤差 mse 是一種常用的迴歸問題的評價函式，它衡量的是 值與實際值之間的差異。mse的計算方...
在神經網路中，啟用函式sigmoid和tanh除了閾值取值外
1 對於bai深度神經網路，du 中間的隱層zhi的輸出必須有一個啟用函dao數。否則多個隱專層的作用和沒屬有隱層相同。這個啟用函式不一定是sigmoid，常見的有sigmoid tanh relu等。2 對於二分類問題，輸出層是sigmoid函式。這是因為sigmoid函式可以把實數域光滑的對映到...
bp神經網路中T,P分別代表什麼
p代表輸入，t代表輸出，一般他們都是矩陣，列數不同，但行數相同。一個輸入對應一個輸出。各代表什麼？代表體溫 代表脈搏 代表呼吸 代表血壓 t，p。r，bp是體溫，脈搏，呼吸，血壓。正常值 均以成年人計 是體溫 37.0，脈搏60 100次 分 運動員可以低於此值 呼吸16 18次 分，血壓90 13...