<深度学习系列>深度学习中激活函数的选择

前言

在神经网络中，有线性部分，也存在激活函数作为线性部分的非线性激活，这里的激活函数往往是非常重要的，合适的选用有助于提高整个神经网络的性能，这里根据网络的一些所见所学和自己的理解，结合上一篇关于反向传播算法的内容，浅谈下激活函数的选择。

如有谬误，请联系指正。转载请注明出处。

联系方式：

e-mail:

FesianXu@163.com

QQ:

973926198

github:

https://github.com/FesianXu

基本神经元

　　典型的神经元单元是由Rosenblatt提出的Rosenblatt感知器，而其基于McCulloch-Pitts模型，其神经元基本结构如下所示：

　　


典型的神经元具有输入端，偏置端，求和节点（线性部分）和激活函数（非线性部分），用公式表示为：

y=ϕ(WTX+b)

　　其中WT=(w1,w2,⋯,wn)T, X=(x1,x2,⋯,xn)，其中n为输入特征维数。

不难看出，在求和节点之前，其实就是线性部分，而激活函数的作用，就是将线性部分进行非线性映射。联系到SVM中的kernel函数，可以明白这个激活函数使得神经网络具有了非线性分类的能力。实际上，神经网络的拟合能力是相当强悍的，具有一定层次的神经网络甚至可以拟合任何函数。

激活函数

　　激活函数的主要任务，正如刚才所说的，正是非线性映射，那么就存在很多符合条件的激活函数可供挑选了，而这些激活函数各有优缺点，值得探讨。

Sigmoid函数

sigmoid激活函数是很经典的激活函数，其基本表达式如下：

σ(x)=11+e−x

其导数为：

σ′(
24af2
x)=σ∗(1−σ)

图像很容易绘制出来，如下所示



可以看出来，当输入值，也就是线性部分越大或者越小时，其导数越小。让我们回到反向传播算法中的参数更新部分，我们考察式子：

∂C∂wljk=∂C∂zlj∗∂zlj∂wljk=al−1k∗δlj=al−1k∗∑k(δl+1k∗wl+1kj∗σ′(zlj))

而参数更新的式子为：

wljk:=wljk−η∗∂C∂wljk

　　可以看出，当σ′(zlj)因为|zlj|太大导致过小时，会导致∂C∂wljk过小而使得参数更新速度很慢，特别是输入层的输入范围不定，而且层数太多的时候，其现象更为明显，这个现象称为梯度消散(Gradient Vanashing)。

　　梯度消散是一个很严重的问题，直接导致了网络层数不能加深。但是，sigmoid激活函数不只是有这个问题，我们还要注意到，sigmoid激活函数的输出是非0均值的分布(zero-mean, zero-centered)，也就是说，sigmoid函数输出的总是大于0的值，这里有个结论，就是如果所有的输入或者输出（这里的输出相当于下一层的输入）都是负数或者正数，那么对其的边的权值的导数就总是正数，这样会导致产生阶梯式的参数更新，使得参数更新速度变慢1。



特别需要注意的是，对于两类分类的激活来说，sigmoid是softmax的弱化版，因此sigmoid的输出可以看成是概率分布。

tanh函数

　　tanh函数也称为双曲线函数，函数形式为：

tanh(x)=ex−e−xex+e−x

图像为：



从图上不难看出，tanh是0均值输出的，解决了zero-center问题，但是仍存在梯度消失的问题。

ReLU函数系

ReLU函数称为修正线性单元(Rectified Linear Units)，是一种常用于深层网络的激活函数，具有计算简单，可以避免梯度消失等有点。

ReLU函数

　　传统的ReLU函数形式为：

ReLU(x)=max(0,x)

图像为：



解决了梯度消失的问题，计算速度快，收敛速度远高于sigmoid和tanh，其作为最终输出，非线性程度不足，而且不具有值范围规整的作用。（待求证）其输出仍不是zero-center的，同时也会出现Dead ReLU的问题，指的是某些神经元可能永远都不会被激活，导致参数永远不会被更新。导致的原因有：

非常凑巧的参数初始化，比如

∂C∂wljk=∂C∂zlj∗∂zlj∂wljk=al−1k∗δlj=al−1k∗∑k(δl+1k∗wl+1kj∗σ′(zlj))

中的∑k(δl+1k∗wl+1kj∗σ′(zlj))所有的zlj都处在非激活区，导致∂C∂wljk=0，使得参数不更新。

学习率Learning rate太高。

ELU函数(Exponential Linear Units)

f(x)={xα(ex−1)x>0otherwise

图像如：



可以看出，其符合zero-center的输出。没有Dead ReLU问题（因为其没有非激活区）

PReLU函数（Parametric ReLU）

f(x)=max(αx,x)

其中的α可以由BP算法学习出。

PReLU其中包含了Leaky ReLU，表达式为:

f(x)=max(0.01x,x)

图像如：



也就是将α置为一个非常小的常数，这样可以避免出现Dead ReLU的问题。

这里我只能得出最后一层的权值求导结果全为正或者负值，前几层的权值求导结果一部分还会包括权值本身，因此不一定全部为正或者负，这里有待探讨。最后一层可以得出y=σ(w1x1+w2x2+b)，因此∂y∂w1=σ′(z)x1，可知其为恒大于0。 ↩