Сигмовидная функция - Википедия - Sigmoid function
А сигмовидная функция это математическая функция имеющий характерную S-образную кривую или сигмовидная кривая. Типичным примером сигмовидной функции является логистическая функция показано на первом рисунке и определяется формулой:[1]
Другие стандартные сигмовидные функции приведены в Раздел примеров.
Особые случаи сигмовидной функции включают Кривая Гомперца (используется в системах моделирования, которые насыщаются при больших значениях x) и кривая ogee (используется в водосброс некоторых плотины ). Сигмовидные функции имеют область всех действительные числа, обычно с возвращаемым (ответным) значением монотонно возрастающий но может уменьшаться. Сигмоидные функции чаще всего показывают возвращаемое значение (ось y) в диапазоне от 0 до 1. Другой часто используемый диапазон - от -1 до 1.
Широкий спектр сигмовидных функций, включая логистические и гиперболический тангенс функции использовались как функция активации из искусственные нейроны. Сигмовидные кривые также распространены в статистике как кумулятивные функции распределения (которые меняются от 0 до 1), например, интегралы от логистическая плотность, то нормальная плотность, и Студенты т функции плотности вероятности. Логистическая сигмоидальная функция обратима, а обратная ей - логит функция.
Определение
Сигмовидная функция - это ограниченный, дифференцируемый, действительная функция, которая определена для всех реальных входных значений и имеет неотрицательную производную в каждой точке[1] и ровно одна точка перегиба. Сигмовидная «функция» и сигмовидная «кривая» относятся к одному и тому же объекту.
Характеристики
В общем, сигмовидная функция монотонный, и имеет первый производная который в форме колокола. И наоборот, интеграл любой непрерывной неотрицательной колоколообразной функции (с одним локальным максимумом и без локального минимума, если только она не вырождена) будет сигмоидальной. Таким образом кумулятивные функции распределения для многих общих распределения вероятностей сигмовидные. Одним из таких примеров является функция ошибки, которая связана с кумулятивной функцией распределения нормальное распределение.
Сигмовидная функция ограничена парой горизонтальные асимптоты в качестве .
Сигмовидная функция - это выпуклый для значений меньше 0, и это вогнутый для значений больше 0.
Примеры
- Гиперболический тангенс (смещенная и масштабированная версия логистической функции выше)
- Плавный шаг функция
- Немного алгебраические функции, Например
Приложения
Многие природные процессы, например сложные системы кривые обучения, демонстрируют прогрессию от маленького начала, которая со временем ускоряется и приближается к кульминации. Когда конкретная математическая модель отсутствует, часто используется сигмовидная функция.[3]
В модель ван Генухтена – Гупты основан на перевернутой S-образной кривой и применяется к ответу урожайности на засоление почвы.
Примеры применения логистической S-кривой к реакции урожайности (пшеницы) как на засоление почвы, так и на глубину уровень грунтовых вод в почве показаны на логистическая функция # В сельском хозяйстве: моделирование реакции сельскохозяйственных культур.
В искусственные нейронные сети, иногда вместо них для повышения эффективности используются негладкие функции; они известны как твердые сигмоиды.
В обработка аудиосигнала, сигмовидные функции используются как волновод передаточные функции подражать звуку аналоговая схема вырезка.[4]
В биохимия и фармакология, то Уравнение Хилла и уравнение Хилла – Ленгмюра являются сигмоидальными функциями.
В компьютерной графике и рендеринге в реальном времени некоторые сигмовидные функции используются для плавного смешивания цветов или геометрии между двумя значениями без видимых швов или разрывов.
Кривые титрования между сильными кислотами и сильными основаниями имеют сигмовидную форму из-за логарифмической природы шкала pH.
Смотрите также
Рекомендации
- ^ а б Хан, Цзюнь; Мораг, Клаудио (1995). «Влияние параметров сигмовидной функции на скорость обучения обратному распространению». В Мире, Хосе; Сандовал, Франциско (ред.). От естественных к искусственным нейронным вычислениям. Конспект лекций по информатике. 930. стр.195–201. Дои:10.1007/3-540-59497-3_175. ISBN 978-3-540-59497-0.
- ^ Программное обеспечение для подгонки S-образной кривой к набору данных [1]
- ^ Гиббс, М. (Ноябрь 2000 г.). «Вариационные гауссовские классификаторы процессов». IEEE-транзакции в нейронных сетях. 11 (6): 1458–1464. Дои:10.1109/72.883477. PMID 18249869. S2CID 14456885.
- ^ Смит, Джулиус О. (2010). Обработка физического аудиосигнала (Издание 2010 г.). Издательство W3K. ISBN 978-0-9745607-2-4. Получено 28 марта 2020.
- Митчелл, Том М. (1997). Машинное обучение. WCB – McGraw – Hill. ISBN 978-0-07-042807-2.. В частности, см. «Главу 4: Искусственные нейронные сети» (в частности, стр. 96–97), где Митчелл использует слова «логистическая функция» и «сигмовидная функция» как синонимы - эту функцию он также называет «функцией сжатия» - и сигмоидная (также известная как логистическая) функция используется для сжатия выходных сигналов «нейронов» в многослойных нейронных сетях.
- Хамфрис, Марк. «Непрерывный вывод, сигмовидная функция». Свойства сигмоида, включая то, как он может сдвигаться по осям и как его домен может быть преобразован.