Sigmoid funksjon

Funksjonen S ( x ) = 1 1 + e x {\displaystyle S(x)={\frac {1}{1+e^{-x}}}}

En sigmoid funksjon eller en sigmoid kurve er en funksjon med en karakteristisk «S-form». Ett eksempel på en slik funksjon er gitt ved

S ( x ) = 1 1 + e x {\displaystyle S(x)={\frac {1}{1+e^{-x}}}}

som angir logistisk vekst. Sigmoide funksjoner er reelle, begrenset og deriverbare.

Sigmoidefunksjoner brukes ofte i neurale nettverk for å se på ikke-lineære modeller.[1]

Egenskaper

En sigmoid funksjon med parameter k {\displaystyle k} kan brukes for å variere hvor bratt kurven er. Med utgangspunkt i funksjonen for logistisk vekst, kan man legge til dette parameteret ved å la

g ( x , k ) = 1 1 + e k x {\displaystyle g(x,k)={\frac {1}{1+e^{-kx}}}}

Den deriverte g {\displaystyle g} med hensyn på x {\displaystyle x} kan da uttrykkes en lineærkombinasjon av funksjonen g {\displaystyle g} i seg selv, nemlig som [1]

g x = k g ( x ) ( 1 g ( x ) ) . {\displaystyle {\frac {\partial g}{\partial x}}=kg(x)(1-g(x)).}

Hvis man lar k {\displaystyle k\to \infty } , vil g {\displaystyle g} gå mot terskelfunksjonen

f ( x ) { 1 hvis x > 0 0 hvis x < 0 {\displaystyle f(x){\begin{cases}1\qquad {\text{hvis}}\qquad x>0\\0\qquad {\text{hvis}}\qquad x<0\end{cases}}}

som, til forskjell fra g ( x , k ) {\displaystyle g(x,k)} , ikke vil være deriverbar i 0.[1]

Referanser

  1. ^ a b c Ivanikovas, Sergejus; Dzemyda, Gintautas; Medvedev, Viktor (2021). «Influence of the neuron activitation function on the multidimensional data visualization quality». 

Eksterne lenker

  • (en) Eric W. Weisstein, Sigmoid Function i MathWorld.
Oppslagsverk/autoritetsdata
MathWorld