En la inteligencia artificial , especialmente la visión por computadora y las redes neuronales artificiales , un sigmoide duro es una función no uniforme que se usa en lugar de una función sigmoidea . Estos conservan la forma básica de un sigmoide, aumentando de 0 a 1, pero usando funciones más simples, especialmente funciones lineales por partes o funciones constantes por partes . Se prefieren cuando la velocidad de cálculo es más importante que la precisión.
Ejemplos de
Los ejemplos más extremos son la función de signo o la función de paso de Heaviside , que van de -1 a 1 o de 0 a 1 (que utilizar depende de la normalización) en 0. [1]
Otros ejemplos incluyen la biblioteca Theano , que proporciona dos aproximaciones:, ultra_fast_sigmoid
que es una aproximación lineal por partes de varias partes y hard_sigmoid
, que es una aproximación lineal por partes de 3 partes (salida 0, línea con pendiente 0,2, salida 1). [2] [3]
Referencias
- ^ Curvas y superficies en gráficos y visión por computadora, volumen 1610, SPIE, 1992, p. 301
- ^ nnet - Operaciones para redes neuronales
- ^ Theano / sigm.py en 38a6331ae23250338290e886a72daadb33441bc4 · Theano / Theano · GitHub