본문 바로가기
Python/ML&DL

[파이썬, Python] 활성화 함수(Activation Function) 종류에 대해 알아보자!

by coding-choonsik 2023. 6. 29.
728x90
반응형
SMALL

1. 비선형 활성화 함수(Activation Function)

 

  • 인공 신경망(Artificial Neural Network) 모델에서 입력 신호의 가중합을 변환하여 출력 신호를 생성하는 함수
  • 신경망의 성능을 향상시키기 위해 사용
  • 선형으로 풀지 못하는 문제를 비선형으로 바꾸어 성능을 향상시킴(곡선으로 차원을 바꿈)
  • 선형 함수는 입력값과 가중치를 곱한 결과를 그대로 출력하기 때문에 신경망에서 여러 개의 선형 활성화 함수를 사용한다면 최종 출력값은 입력값과 가중치의 선형 조합으로 표현되므로 이는 입력 데이터의 비선형 관계를 표현할 수 없음(선형함수를 여러개 곱해봐야 선형함수임)
  • 신경망이 입력 데이터의 비선형 관계를 잘 학습할 수 있도록 하기 위해서 비선형 활성화 함수를 사용

 

 

 

1-1. 시그모이드(Sigmoid)

import numpy as np
import matplotlib.pyplot as plt

 

✅ 시그모이드 함수 만들기

def sigmoid(x):
  return 1/(1+np.exp(-x))

x= np.arange(-5.0, 5.0, 0.1)
y = sigmoid(x)

plt.plot(x, y)
plt.plot([0,0], [1.0,0.0], ':') # 가운데 점선 추가
plt.title('Sigmoid Function')
plt.show()

 

 

1-2. 하이퍼볼릭탄젠트

  • 영상처리 시 사용
x= np.arange(-5.0, 5.0, 0.1)
y = np.tanh(x)

plt.plot(x, y)
plt.plot([0,0], [1.0, -1.0], ':') # 가운데 점선 추가
plt.axhline(y=0, color='orange', linestyle='--')
plt.title('tanh Function')
plt.show()

 

 

1-3. ReLU

  • 활성화 함수는 거의 렐루를 많이 사용
def relu(x):
  return np.maximum(0,x)

x= np.arange(-5.0, 5.0, 0.1)
y = relu(x)

plt.plot(x, y)
plt.plot([0,0], [5.0,0.0], ':') # 가운데 점선 추가
plt.title('ReLU Function')
plt.show()

 

 

1-4. Softmax

x= np.arange(-5.0, 5.0, 0.1)
y = np.exp(x) / np.sum(np.exp(x))

plt.plot(x, y)
plt.title('Softmax Function')
plt.show()

 

 

 

728x90
반응형
LIST