训练多层神经网络时，需要使用 sigmoidal 激活函数才能有效学习。
在训练单层感知器时使用S形激活函数是否有任何优势，或者简单的步骤(heaviside)函数是否足够(甚至更好)？
我正在慢慢了解神经网络，但任何有关这方面的帮助将不胜感激。
最佳答案
是的，有一个优势。结果可以是 0 到 1 之间的值，不一定是"is"或“否”，也可以是“可能”。即使对于单神经元模型，最好也有一个无阶激活函数。
是否需要取决于输出的读出方式。您需要二进制(是、否)值还是介于两者之间的值？
如果您不想使用 sigmoidal 函数，我认为您也可以使用线性函数。
关于artificial-intelligence - 训练单层感知器时的激活函数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/515568/