How does one decide which sigmoidal

How does one decide which sigmoidal function to use? In the literature, selection is
justified on either neurobiological grounds or mathematical grounds (Williams, 1986) (Jordan,
1986), on pragmatic grounds (Hecht-Nielsen, 1990) (Wasserman, 1989), or, most commonly, on
intuitive grounds. Most of the intuition comes from rather vague arguments related to its
squashing capabilities and to the fact that the gain (slope) through the axis can be easily manipu-
lated. It is generally believed that “the exact details of the sigmoid are not critical in a back-
propagation network.’’ (p.19, Caudill, 1990). While this is true for the performance of an
already-trained network, there are important differences that can impact training dramatically,
Therefore, attention should focus on choosing an activation function that exhibits the best pro-
perties for training. Our arguments come from this perspective.

ผลลัพธ์ (ไทย) 1:

หนึ่งไม่ตัดสินใจที่ฟังก์ชัน sigmoidal จะใช้อย่างไร ในวรรณคดี การเลือกอยู่ ชิดจาก neurobiological หรือเหตุผลทางคณิตศาสตร์ (วิลเลียมส์ 1986) (Jordan 1986), ใน pragmatic เหตุผล (Hecht-นีล 1990) (วา 1989), หรือ ทั่ว เหตุผลง่าย สัญชาตญาณที่ส่วนใหญ่มาจากอาร์กิวเมนต์ที่ค่อนข้างคลุมเครือที่เกี่ยวข้องกับการ squashing ความสามารถ และความจริงที่ว่า กำไร (ความชัน) ผ่านแกนสามารถ manipu - lated โดยทั่วไปเชื่อว่า "รายละเอียดแน่นอนของ sigmoid ไม่สำคัญในการย้อนกลับ เครือข่ายเผยแพร่ '' (p.19, Caudill, 1990) ขณะนี้เป็นจริงสำหรับประสิทธิภาพของการ อบรมแล้วเครือข่าย มีความแตกต่างสำคัญที่สามารถส่งผลกระทบต่อการฝึกอบรมอย่างมาก ดังนั้น ความสนใจควรเน้นการเลือกฟังก์ชันการเรียกใช้ที่จัดแสดงสุดโปร- perties การฝึกอบรม อาร์กิวเมนต์ของเรามาจากมุมมองนี้

ผลลัพธ์ (ไทย) 2:

อย่างไรหนึ่งตัดสินใจที่ sigmoidal ที่จะใช้ฟังก์ชั่น? ในวรรณคดีเลือกเป็น
ธรรมทั้งบริเวณ neurobiological หรือบริเวณทางคณิตศาสตร์ (วิลเลียมส์, 1986) (จอร์แดน,
1986) ในบริเวณปฏิบัติ (ชต์-นีลเซ่น, 1990) (Wasserman, 1989) หรือมากที่สุดใน
บริเวณที่ใช้งานง่าย ส่วนใหญ่ของสัญชาตญาณที่มาจากการขัดแย้งค่อนข้างคลุมเครือที่เกี่ยวข้องกับของ
ความสามารถในการกดทับและความจริงที่ว่ากำไร (ลาด) ผ่านแกนได้อย่างง่ายดาย manipu-
lated เป็นที่เชื่อกันโดยทั่วไปว่า "รายละเอียดที่แน่นอนของ sigmoid ไม่ได้สำคัญในภูมิหลัง
เครือข่ายการขยายพันธุ์. '' (หน้า 19, Caudill, 1990) ขณะนี้เป็นจริงสำหรับประสิทธิภาพการทำงานของ
เครือข่ายอยู่แล้วผ่านการฝึกอบรมมีความแตกต่างที่สำคัญที่สามารถส่งผลกระทบต่อการฝึกอบรมอย่างมาก
ดังนั้นจึงควรมุ่งเน้นความสนใจในการเลือกฟังก์ชั่นการเปิดใช้ที่แสดงที่ดีที่สุดโปร
perties สำหรับการฝึกอบรม ข้อโต้แย้งของเรามาจากมุมมองนี้

ผลลัพธ์ (ไทย) 3:

แล้วจะตัดสินใจซึ่งฟังก์ชัน sigmoidal ที่จะใช้ ? ในวรรณคดี ทั้ง neurobiological เลือก
ชิดขอบบนลานหรือเหตุผลทางคณิตศาสตร์ ( Williams , 1986 ) ( จอร์แดน ,
1986 ) บนสนาม ( pragmatic แฮ็ชท์ ( 1990 ) ( วา ซอร์แมน , 1989 ) , หรือมักบน
เหตุผลง่าย ที่สุดของสัญชาตญาณมาจากค่อนข้างคลุมเครือของอาร์กิวเมนต์ที่เกี่ยวข้องกับ
บี้ ความสามารถ และข้อเท็จจริงที่ได้รับ ( ความชัน ) ผ่านแกนสามารถได้อย่างง่ายดาย manipu -
สาย . เป็นที่เชื่อกันโดยทั่วไปว่า " แน่นอน รายละเอียดของแบบไม่สําคัญในกลับ -
การขยายพันธุ์เครือข่าย ' ' ( p.19 คอเดิล , 1990 ) ขณะนี้เป็นจริงสำหรับประสิทธิภาพการทำงานของเครือข่าย
การฝึกอบรมแล้ว มีความแตกต่างที่สำคัญที่สามารถส่งผลกระทบต่อการฝึกอบรมอย่างมาก
ดังนั้น ทุกคนควรเน้นการเลือกเปิดใช้งานฟังก์ชั่นที่จัดแสดงที่ดีที่สุด Pro -
perties สำหรับการฝึกอบรม อาร์กิวเมนต์ของเรามา จากมุมมองนี้