Dlaczego funkcje aktywacyjne muszą być monotoniczne?

Obecnie przygotowuję się do egzaminu z sieci neuronowych. W kilku protokołach z poprzednich badań czytałem, że funkcje aktywacyjne neuronów (w perceptronach wielowarstwowych) muszą być monotoniczne.

Rozumiem, że funkcje aktywacyjne powinny być rozróżnialne, mieć pochodną, która w większości punktów nie jest równa 0, i być nieliniowa. Nie rozumiem, dlaczego bycie monotonnym jest ważne / pomocne.

Znam następujące funkcje aktywacyjne i że są one monotoniczne:

ReLU
Sigmoid
Tanh
Softmax: Nie jestem pewien, czy definicja monotoniczności ma zastosowanie do funkcji $f: \mathbb{R}^n \rightarrow \mathbb{R}^m$ przy $n, m > 1$
Softplus
(Tożsamość)

Jednak nadal nie widzę żadnego powodu, dla którego na przykład $\varphi(x) = x^2$ .

Dlaczego funkcje aktywacyjne muszą być monotoniczne?

(Powiązane pytanie poboczne: czy jest jakiś powód, dla którego funkcja logarytmiczna / wykładnicza nie jest używana jako funkcja aktywacyjna?)

machine-learning neural-network Martin Thoma
źródło

FYI: Kompleksowa lista funkcji aktywacyjnych w sieciach neuronowych z

zaletami

@MartinThoma Czy na pewno softmax jest monotoniczny?

Media

Dzięki @Media. Aby odpowiedzieć na to pytanie: nie jestem pewien, co „monotoniczne” nawet elementy w funkcji

. Dla

softmax jest stały, a zatem monotoniczny. Ale bez zdefiniowania

dla elementów w

nie wydaje mi się, żeby monotoniczny miał jakikolwiek sens.

f : R^{n} \to R^{m}

$f:R^n \rightarrow R^m$

m > 1

$m > 1$

m = 1

$m=1$

<

$<$

R^{n}

$R^n$

n > 1

$n>1$

Martin Thoma

@MartinThoma Dzięki, właściwie to było także moje pytanie. Nie wiedziałem i nadal nie wiem, czy istnieje rozszerzenie monotoniczne w funkcjach z wieloma wyjściami. Matematyka, wiesz!

Media

Odpowiedzi:

Kryterium monotoniczności pomaga sieci neuronowej łatwiej zjednoczyć się w bardziej dokładny klasyfikator. Zobacz odpowiedź na stos wymiany i artykuł w Wikipedii, aby uzyskać dalsze szczegóły i powody.

Jednak kryterium monotoniczności nie jest obowiązkowe dla funkcji aktywacyjnej - Możliwe jest również trenowanie sieci neuronowych z niemonotonicznymi funkcjami aktywacyjnymi. Po prostu trudniej jest zoptymalizować sieć neuronową. Zobacz odpowiedź Yoshua Bengio .

David Dao
źródło

-1

Podam bardziej matematyczny powód, dlaczego pomaga funkcja monotoniczna!

Korzystając z http://mathonline.wikidot.com/lebesgue-s-theorem-for-the-differentiversity-of-monotone-fun , zakładając, że nasza funkcja aktywacji jest monotonna, możemy powiedzieć, że w prawdziwej linii nasza funkcja będzie różnicowalny. Tak więc gradient funkcji aktywacji nie będzie funkcją nieregularną. Łatwiej będzie znaleźć poszukiwane minima. (niedrogo obliczeniowo)

Funkcje wykładnicze i logarytmiczne są pięknymi funkcjami, ale nie są ograniczone (więc odwrotność twierdzenia Lebesgue'a nie jest prawdziwa, ponieważ Exp i Log są funkcjami różnicowalnymi, które nie są ograniczone do rzeczywistej linii). Nie udaje im się, gdy chcemy sklasyfikować nasze przykłady na ostatnim etapie. Sigmoid i tanh działają naprawdę dobrze, ponieważ mają gradienty, które są łatwe do obliczenia, a ich zakres wynosi odpowiednio (0,1) i (-1,1).

Rohit Rawat
źródło

Istnieje nieskończenie wiele funkcji różnicujących, ale nie monotonicznych. Dlaczego więc pomaga funkcja monotoniczna?

Martin Thoma,