深度學習激勵函數介紹－大家一起學AI

在類神經網路中使用激勵函數，主要是利用非線性方程式，解決非線性問題，若不使用激勵函數，類神經網路即是以線性的方式組合運算，因為隱藏層以及輸出層皆是將上層之結果輸入，並以線性組合計算，作為這一層的輸出，使得輸出與輸入只存在著線性關係，而現實中，所有問題皆屬於非線性問題，因此，若無使用非線性之激勵函數，則類神經網路訓練出之模型便失去意義。

1.激勵函數需選擇可微分之函數，因為在誤差反向傳遞(Back Propagation)運算時，需要進行一次微分計算。

2.在深度學習中，當隱藏層之層數過多時，激勵函數不可隨意選擇，因為會造成梯度消失(Vanishing Gradient)以及梯度爆炸(Exploding gradients)等問題。

梯度消失問題探討:

梯度下降算法是使用非常廣泛的優化算法，一般監督式之類神經網路使用誤差反向傳遞(BP)進行神經網路權重更新，先計算輸出層對應的loss，然後將loss以導數的形式不斷向上一層網絡進行傳遞，並修正相應的權重參數，達到降低loss之目的。而某些激勵函數，如Sigmoid函數在深度網絡的權重更新中，常會因為層數過多，導致導數逐漸變為0，使得前幾層之權重參數無法順利更新，造成神經網絡無法被優化，而無法找出最佳結果，原因如以下兩點。

1.在下圖中容易看出，當中Sigmoid導數較大或較小時(區間[-5,+5]之外)，導數接近0，而後向傳遞時需要將當層導數與之前各層導數的數值進行乘積，幾個趨近於0的小數相乘，結果很接近0。

2.如圖中可見Sigmoid導數的最大值為0.25，因此在每一層會因為導數被壓縮為原來的，意味著導數在每一層至少會被壓縮為原來的1/4，通過兩層後被變為1/16，通過n層後為1/4的n次方，這邊還是以最大導數為例，因此過深的網路架構也會使導數相乘逐漸為0。

Sigmoid Sigmoid導數

梯度爆炸問題探討

在深層類神經網路中，網路透過誤差反向傳遞(BP)更新權重，若在權重更新中，梯度累積得到非常大的值，使得每一層會大幅度的更新權重參數，而造成網路相當不穩定，若權重參數變得相當大，並超出可計算之臨界值，則輸出結果會產生溢位的狀況發生(無窮大、非數值)。

激勵函數類型探討:

常見的激勵函數如下圖所示，包含: Sigmoid、tan h以及ReLU 函數，而基於梯度消失、爆炸以及收斂性等問題，一般最常使用ReLU函數進行激發，而ReLU函數還有一些變形，如Leaky ReLU、Randon Leaky ReLU以及Maxout等。

1. Sigmoid函數介紹:

Sigmoid Sigmoid導數

Sigmoid函數是深度學習領域開始時使用頻率最高的activation function，它是便於求導數之平滑函數，其導數如上圖所示，然而Sigmoid存在著三大缺點:

A. 容易出現梯度消失gradient vanishing (上面有介紹)

B. 函數輸出並不是zero-centered :

Sigmoid函數中，當後面神經元之輸入皆為正數時，對權重值求梯度時，梯度數值恆為正，因此在誤差反向傳遞的過程中，權重都正方向更新或往負方向更新，導致收斂曲線不平滑，形成一種綑綁現象，也影響模型的收斂速度。

C. 指數運算較為耗時:

相較於前兩項，運算時間較為容易克服，但與ReLU函數相比，運算效能還是相差甚遠。

2. tan h函數介紹:

tan h tan h導數

tan h讀作Hyperbolic Tangent，如上圖所示，雖然此函數順利解決Sigmoid函數中zero-centered的輸出問題，但是梯度消失問題以及需要指數運算的問題依然存在，但相較於Sigmoid函數，可用性還是相差不小。

3. ReLU函數介紹:

ReLU ReLU導數

ReLU函數圖形如上圖所示，若值為正數，則輸出該值大小，若值為負數，則輸出為0，ReLU函數並不是全區間皆可微分，但是不可微分的部分可以使用Sub-gradient進行取代，ReLU是近年來最頻繁被使用的激勵函數，因其存在以下特點，包含:解決梯度爆炸問題、計算數度相當快、收斂速度快等特性，以下會進行詳細解析。

A. 解決梯度消失問題 (vanishing gradient problem)

對於使用誤差反向傳遞運算(BN)之類神經網路來說，更新權重時，梯度計算的考量最為重要，使用Sigmoid以及tan h函數容易發生梯度消失問題，當輸入值接近飽和區(sigmoid函數在 [-4, +4] 之外)進行激發時，一階微分值趨近於0，梯度消失問題發生，使得誤差反向傳遞計算，無法有效地進行權重更新，而神經網路層數加深時更為明顯，因此，是深度神經網路訓練時會遭遇到之困難，而ReLU的分段線性性質能有效地克服梯度消失之問題。

B. 計算量大幅降低:

ReLU函數相較於Sigmoid以及tan h來說，大幅下降計算量，無需使用任何指數運算，只需要判斷輸入值是否大於0，來進行輸出。

C. 生物事實(細胞激活現象):

對於細胞的刺激未達到一定強度時，神經元不會進行訊息傳遞，但當超越啟動之強度時，會引起神經衝動，而進行訊息之傳遞，ReLU函數成功模擬了此現象。

D. 類神經網路的稀疏性(奧卡姆剃刀原則):

ReLU激勵函數會使負數部分的神經元輸出為0，可以讓網路變得更加多樣性，如同Dropout的概念，可以緩解過擬合(Over fitting)之問題，但會衍生Dead ReLU的問題，當某個神經元輸出為0後，就難以再度輸出，當遇到以下兩種情形時容易導致dead ReLU發生。

D.1. 初始化權重設定為不能被激活的數值。

D.2. 學習率設置過大，在剛開始進行誤差反向傳遞時，容易修正權重值過大，導致權重梯度為0，神經元即再也無法被激活。

4. Leaky ReLU函數介紹:

ReLU ReLU導數

為了解決Dead ReLU Problem，Leaky ReLU將ReLU的前半段輸出設為0.01x，如此一來，即能防止值為負號時永遠無法被激活之問題，且理論上來說，Leaky ReLU擁有ReLU的所有優點，也成功避免Dead ReLU Problem的問題產生，但是於實際使用上，並沒有辦法完全證明Leaky ReLU永遠優於ReLU。