常用传递函数
1.线性传递函数 purelin
图像表示为
f
(
x
)
=
x
f(x)=x
f(x)=x
2. 阈值型传递函数 hardlim
图像表示为
f
(
x
)
=
{
1
x
⩽
0
0
x
<
0
f(x)=\begin{cases}1 & x\leqslant0\\0 &x<0\end{cases}
f(x)={10x⩽0x<0
3. 饱和线性传输函数 Satlin
图像给示为:
f
(
x
)
=
{
0
x
⩽
0
x
0
<
x
<
1
1
x
⩾
0
f(x)=\begin{cases}0 & x\leqslant0\\x &0<x<1\\ 1 &x\geqslant0\end{cases}
f(x)=⎩⎪⎨⎪⎧0x1x⩽00<x<1x⩾0
4. Log-sigmoid S型传递函数 logsig (常用隐藏层函数)
图像表示为:
f
(
x
)
=
1
1
+
e
−
x
f(x)=\frac{1}{1+e^{-x}}
f(x)=1+e−x1
5. Tan-sigmod 型传递函数 tansig (常用隐藏层函数)
图像表示为:
f
(
x
)
=
2
1
+
e
−
2
e
−
1
f(x)=\frac{2}{1+e^{-2e}} - 1
f(x)=1+e−2e2−1
6. 竞争型传递函数 compet
图像表示为: 最大数为1,其他为0
7. 柔性最大值传输函数 softmax
图像函数表示:
f
(
x
)
=
e
x
∑
e
x
f(x)=\frac{e^x}{\sum{e^x}}
f(x)=∑exex
将x转换为e指数,然后再将所有相加,根据占比保证结果在0~1之间,且所有值相加总和为1.
8. 径向基传输函数 radbas
图像函数表示:
f
(
x
)
=
e
−
x
2
f(x)=e^{-x^2}
f(x)=e−x2
查看神经网络所用的传递函数
clear,clc,close all
net=fitnet(5);
view(net)
net.layers{1}.transferFcn
net.layers{2}.transferFcn
运行代码结果: