Main Content

logsig

Fonction de transfert log-sigmoïde

Description

exemple

Conseil

Pour utiliser une activation log-sigmoïde pour le Deep Learning, utilisez sigmoidLayer ou la méthode dlarray sigmoid.

A = logsig(N) prend une matrice de vecteurs d’entrée nette, N, et renvoie la matrice A de dimension S x Q des éléments de N mappés sur [0, 1].

Plot of the logistic sigmoid transfer function.

logsig est une fonction de transfert. Les fonctions de transfert calculent la sortie d’une couche à partir de l’entrée du réseau.

dA_dN = logsig('dn',N,A,FP) renvoie la dérivée S x Q de A par rapport à N. Si A ou FP ne sont pas spécifiés ou sont définis à [], FP revient aux paramètres par défaut et A est calculé à partir de N.

info = logsig(code) renvoie des informations sur cette fonction. Pour plus d’informations, veuillez consulter la description de l’argument code.

Exemples

réduire tout

Cet exemple montre comment calculer et tracer la fonction de transfert log-sigmoïde d’une matrice d’entrée.

Créez la matrice d’entrée, n. Appelez ensuite la fonction logsig et tracez les résultats.

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

Attribuez cette fonction de transfert à la couche i d’un réseau.

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

Arguments d'entrée

réduire tout

Vecteurs colonnes d’entrée nette, définis par une matrice S x Q.

Information que vous pouvez souhaiter extraire de la fonction, spécifiée comme l’un des éléments suivants :

  • 'name' renvoie le nom de cette fonction.

  • 'output' renvoie la plage de sortie [min max].

  • 'active' renvoie la plage d’entrée active [min max].

  • 'fullderiv' renvoie 1 ou 0, selon que dA_dN est S x S x Q ou S x Q.

  • 'fpnames' renvoie les noms des paramètres de la fonction.

  • 'fpdefaults' renvoie les paramètres de la fonction par défaut.

Arguments de sortie

réduire tout

Vecteurs de sortie, renvoyés sous la forme d'une matrice S x Q, où chaque élément de N est mappé de l’intervalle [-inf inf] sur l’intervalle [0 1] avec une fonction « en S ».

Algorithmes

logsig(n) = 1 / (1 + exp(-n))

Historique des versions

Introduit avant R2006a

Voir aussi

|