tansig

Funzione di trasferimento sigmoidale a tangente iperbolica (da rimuovere)

tansig sarà rimossa in una prossima release. Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Per suggerimenti sull'aggiornamento del codice, vedere Version History (Storico della versione).

Sintassi

A = tansig(N)

Descrizione

Suggerimento

Per utilizzare un'attivazione a tangente iperbolica per il Deep Learning, utilizzare la funzione tanhLayer o il metodo dlarray tanh.

A = tansig(N) considera una matrice di vettori di input netti N e restituisce la matrice S per Q, A degli elementi di N schiacciati in [-1 1].

tansig è una funzione di trasferimento neurale. Le funzioni di trasferimento calcolano l’output di un livello a partire dal suo input netto.

Esempi

Creazione di un grafico della funzione di trasferimento tansig

Questo esempio mostra come calcolare e tracciare la funzione di trasferimento sigmoidale a tangente iperbolica di una matrice di input.

Creare la matrice di input n. Quindi chiamare la funzione tansig e tracciare i risultati.

n = -5:0.1:5;
a = tansig(n);
plot(n,a)

Assegnare questa funzione di trasferimento al livello i di una rete.

net.layers{i}.transferFcn = 'tansig';

Argomenti di input

N — Matrice di input

matrice

Vettori di colonna di input netti, specificati come una matrice S per Q.

Argomenti di output

A — Matrice di output

matrice

Vettori di output, restituiti come una matrice S per Q, dove ciascun elemento di N viene schiacciato dall'intervallo [-inf inf] all’intervallo [-1 1] con una funzione a “forma di S”.

Algoritmi

a = tansig(N) = 2/(1+exp(-2*N))-1

Questo è matematicamente equivalente a tanh(N).

Riferimenti

[1] Vogl, T. P., et al. ‘Accelerating the Convergence of the Back-Propagation Method’. Biological Cybernetics, vol. 59, no. 4–5, Sept. 1988, pp. 257–63. DOI.org (Crossref), doi:10.1007/BF00332914.

Cronologia versioni

Introduzione prima di R2006a

R2026a: Prossima rimozione di tansig

tansig sarà rimossa in una prossima release.

Per saperne di più sull'utilizzo delle funzioni di attivazione e di trasferimento nelle reti neurali, vedere questi esempi e argomenti:

• Build Networks with Deep Network Designer

• List of Deep Learning Layers

• List of Functions with dlarray Support

• Compare Activation Layers

• Example Deep Learning Network Architectures

Per includere un livello tanh in un array di livelli o in un oggetto dlnetwork, utilizzare tanhLayer. Per applicare l'attivazione tanh agli oggetti dlarray, utilizzare la funzione tanh.

Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Vedi anche

sim | logsig