Fonctions clés dans la formation sur les réseaux de neurones Ppt

Diapositive 1

Cette diapositive donne une introduction à la fonction d'activation dans un réseau de neurones et discute de son importance. La fonction d'activation est utilisée pour calculer un total pondéré, puis y ajouter un biais pour déterminer si un neurone doit être activé ou non.

Diapositive 2

Cette diapositive illustre la fonction de seuil qui est un type de fonction d'activation dans un réseau de neurones. Cette fonction n'a que deux sorties possibles : 0 ou 1. Elles sont généralement utilisées lorsque seuls deux types de données doivent être classés.

Diapositive 3

Cette diapositive illustre la fonction sigmoïde qui est un type de fonction d'activation. La plage de valeurs de la fonction sigmoïde est de 0 à 1. Cette fonction est principalement employée dans la couche de sortie car c'est à partir de ce nœud que nous obtenons la valeur anticipée

Diapositive 4

Cette diapositive illustre la fonction Rectifier ou ReLU qui est un type de fonction d'activation. Relu (unités linéaires rectifiées) est principalement utilisé dans les couches cachées d'un réseau de neurones en raison de sa nature rectifiée. Relu est une fonction semi-rectifiée commençant par le bas. Il se déplace continuellement jusqu'à un certain point, puis augmente jusqu'à son maximum après une certaine période

Diapositive 5

Cette diapositive illustre la fonction de tangente hyperbolique qui est un type de fonction d'activation. La fonction Tanh est une version améliorée de la fonction sigmoïde qui comprend une plage de valeurs de -1 à 1. Tanh a une forme de courbe sigmoïde, bien qu'avec une plage de valeurs distincte. L'avantage est que, selon leurs projections, les résultats négatifs et positifs sont tracés séparément.