激活函数二三事
本篇主要来复习一下关于激活函数的一些知识，其中包括激活函数的定义，作用，发展历程以及不同激活函数的优缺点与适用范围。
什么是激活函数
激活函数（activation function）又称非线性映射函数或是隐藏单元，是神经网络中中最主要的组成部分之一。 “激活”这个名字来自于生物上的神经网络结构。 我们知道，人工神经网络最初是受到生物上的启发，设计出了神经元这种单位结构，在每个神经元中，需要一个“开关”来决定该神经元的信息是否会被传递到其相连的神经元去，这个“开关”在这里也就是激活函数。
那么为什么要设计这样一个激活函数呢？
我们举例来说，通常一个两层的简单的全连接神经网络（MLP）可以写成（省略偏置项）：
其中$\sigma$为激活函数，$W$为参数，$x,y$分别为输入和输出。
如果我们将激活函数去掉，那么这个两层的MLP就变成$y=W_2W_1x$，显而易见的，这个两层的神经网络就退化为一个单层的线性网络。 如果没有激活函数的非线性来赋予神经网络表达能力，那么无论多少层的网络结构都可以用一个单层网络来代替。
除了引入非线性外，在神经网络的输出层，激活函数还担任将前一层的输出映射到最终预测结果的任务。例如，对于一个二分类问题，通常最终输出层的激活函数就是sigmoid函数，而多分类任务则往往对应softmax函数。
总结一下，激活函数的意义如下：
- 模拟生物神经元特性，接受输入后通过一个阈值模拟神经元的激活和兴奋并产生输出
- 为神经网络引入非线性，增强神经网络的表达能力
- 导出神经网络最后的结果(在输出层时)
各类激活函数
阶跃函数
前面提到，激活函数最初是为了模仿生物神经元的激活特性，那么很自然想到，我们就用一个简单的阈值来判断是否激活好了，比如大于0的话就是激活该神经元，否则即为未激活，即如下的阶跃函数：
但是这简单方法的缺点也是非常明显的。 首先它是不连续且不光滑的，这就导致在反向传播时这一层很难学习。 其次阶跃函数“非黑即白”的特性虽然可能最符合生物神经网络，但是实际中有时我们需要表达“20%被激活”这种概念，即我们需要一个模拟的激活值而非简单的“01”二值.
Sigmoid 函数
既然阶跃函数有许多不足，特别是不连续。那么我们找一个相近的但是既光滑又连续的函数来代替不就可以了。 由此许多人想到了sigmoid函数。
严格上来说sigmoid函数不是一个单独的函数，而是指满足“S型”曲线的函数族，但是我们通常就用其中最常用的logistic函数来代指sigmoid函数：
如图可以看出， sigmoid函数和阶跃函数非常相似，但是解决了光滑和连续的问题，同时它还成功引入了非线性。 由于其值域处在0~1，所以往往被用到二分类任务的输出层做概率预测。
那么这样一个函数是不是就完美了呢？
其实不然，简单观察就可以发现，当输入值大于3或者小于-3时，梯度就非常接近0了，在深层网络中，这非常容易造成“梯度消失”（也就是反向传播时误差难以传递到前面一层）而使得网络很难训练。此外，sigmoid函数的均值是0.5，但是不符合我们对神经网络内数值期望为0的设想。因而，人们提出了它的一个变种。
Tanh 函数
这个tanh函数又被称作双曲正切函数，可以看出它的函数范围是（-1，1）而均值为0，解决了上面sigmoid的一个问题。但是不难发现，该函数依旧没有解决梯度消失的问题。
Softplus 函数
softplus是sigmoid和tanh出现之后提出的一个替代方案，它的函数形式是：
很有趣的一点是，如果你对它求导，会发现它的导数就是是sigmoid函数。
这个函数它完成了对低于阈值部分的抑制（小于0）和大于0部分的激活。在两部分内都是可导的且梯度恒等，这就解决了梯度消失的问题（需要注意这里值域是零到正无穷，因此通常无法用于输出层）。当时softplus函数在反向传播时计算耗费较大，所以应用不是特别广。
ReLu 函数
ReLu函数（及其变种），又叫线性整流单元，应该说是当前最常用的一个激活函数了，尤其是在卷积神经网络和层次较深的神经网络中。
其函数形式很简单：
将其和softplus的图像比较，可以发现其实二者图形非常相似，不同点在于ReLu将$x=0$处的光滑曲线替换为了折现，这使得它的计算也相对更加简单，而且有助于随机梯度下降算法收敛（有研究指出收敛加速可达6倍）。当然ReLu函数也能够缓解梯度消失的问题。
当然，ReLu还是有一些缺陷的，对于小于0的这部分值，梯度会迅速降为0而不在影响网络训练。 这会造成部分神经元从来不被激活，也称作“死区”。 这也给了ReLu函数的变种很多发挥空间。
ReLu 变种
为什么把ReLu变种单独拿出来说呢？ 因为它的变种实在是有点多，有的是具体以论文形式提出的，有的是在数据竞赛中应用的，夸张的说，出去上个厕所说不定就有人提出一个新的变种。 下面选择几个较有影响力的说一下。
Leaky ReLu
之前提到过死区的现象，为了缓解这种情况，有研究者将$x\le 0$部分调整为$f(x)=\alpha x$，其中$\alpha$一般设为一个较小的正数如0.01或0.001。
这样就将小于0部分的梯度从零提高到$\alpha$，给了这些被抑制部分一定参与网络训练的可能。当然原始的ReLu也可以看作是$\alpha=0$时的特例Leaky ReLu。
但是这里超参数$\alpha$很难去选定且较为敏感，因此实际性能并不稳定。
参数化 ReLu
参数化ReLu（Parameterised ReLu, PReLu）的形式和Leaky ReLu一样，唯一地不同是它将$\alpha$视作一个可训练的参数而不是人为设定的超参数。
这样，就避免了Leaky ReLu中的选定$\alpha$值的问题。
研究者发现，使用参数化ReLu能够较大提高网络性能，而且实验数据显示，随着网络深度的递增，$\alpha$值会减小，这样意味着网络需要的非线性能力随着深度递增而增加。在第一层网络时，参数化ReLu往往会学到一个较大的$\alpha \ge 0.5$，这远远大于Leaky ReLu和传统ReLu的0.01和0，也就是说在浅层网络中，需要的非线性较弱，此时，正负的激活都很重要。
不过将$\alpha$变成参数也有一定弊端，最明显的是它增加了过拟合的风险。
随机化 ReLu
随机化也是一种解决超参数设定的方法。 随机化ReLu最早是用于Kaggle的一个数据竞赛上。
具体实现上，$\alpha$的取值在训练阶段服从于一个均匀分布，而在测试阶段将其指定为均匀分布所对应的期望。
这个方法也帮助那只队伍在竞赛中一举夺魁。
ELU
ELU， 指数化线性单元，是一个非常年轻的激活函数（出生于2016年）。
它也能够解决死区问题，但是指数运算会增加一些计算量。通常这里的超参数$\alpha$会设为1.
Swish 函数
Google Brain也提出了一个形似ReLu的激活函数， Swish。
其中$\sigma$就是上述的sigmoid函数，$\beta$可以人为设定，也可以训练得到（通常就设为1）。
由于它处处连续可导，而且计算起来不那么麻烦，也拥有和ReLu同样的有点同时一定程度上避免了死区问题。因此在google的论文中，他们宣称Swish函数普遍优于ReLu（及其变体），并且更适用于深层的网络结构。当然这篇论文出来还是有不少争议，有人觉得不过是一篇水文，能够发表不过是因为google的业界影响力，也有人觉得确实有一定贡献。
就实践来看，目前Swish还没有普遍替代ReLu的趋势，还需要更多从理论和实验上来证明Swish函数优点的工作，现在还是等时间检验吧。
选用合适的激活函数
说了这么多激活函数，其实还是可以看出一条清晰的研究脉络的。 最早是用于模拟生物神经元的阶跃函数，但是为了解决不光滑不连续的问题，Sigmoid函数应运而生，而tanh函数则是sigmoid函数的调整值域的变体。 之前的函数都有着梯度消失的问题，因此softplus函数出现了，并由此引入了计算更简单的ReLu函数。其后，由于ReLu的死区问题，各种变体ReLu和Swish函数最终登场。
可以用一张图来总结：
那么我们应该如何选用合适的激活函数呢？ （这里我们讨论的是隐藏层的激活函数选用，输出层激活函数的选择通常是基于其预测值类型）
首先要认识到，目前没有一个公认的“最优的”激活函数，不同的激活函数可能在不同类型的数据上做到较好的效果。
其次，由于tanh和sigmoid函数这两个最早的激活函数由于其缺陷现在已经不太使用了，因而我们通常都是用ReLu函数起手。
如果ReLu的效果不好（特别是发现有很多神经元长期失活），然后不妨试试看它的各种变体（新潮点可以选择Swish函数）或是softplus。
最后，如果能够不计时间调参的话，通常为了达到最好效果，可以简单在原来的激活函数上自定义，通常是乘以一个常数的超参数来调节。
参考文献
wechat
alipay
