我使用的是反向傳播技術學習創造一個神經網絡。衍生乙狀結腸
我明白，我們需要找到用於激活函數的導數。我使用的是標準的雙曲線函數
f(x) = 1/(1 + e^(-x))
，我已經看到了它的衍生物是
dy/dx = f(x)' = f(x) * (1 - f(x))
這可能是一個愚蠢的問題，但是這並不意味着我們必須通過通過X雙曲線函數兩次公式中，所以它會擴展到
dy/dx = f(x)' = 1/(1 + e^(-x)) * (1 - (1/(1 + e^(-x))))
或者是單純的服用f(x)已計算的輸出，這是神經元的輸出問題，並將該值替換爲f(x)？
做的兩種方式是等價的（因爲數學函數沒有副作用，總是返回相同的輸入給定輸出），所以你還不如做它的（快）第二種方法。
杜格爾是正確的。只要做
f = 1/(1+exp(-x))
df = f * (1 - f)
一個小代數可以簡化這個，所以你不必df調用f。
DF = EXP（-x）/（1 + EXP（-x））^ 2
推導：
df = 1/(1+e^-x) * (1 - (1/(1+e^-x)))
df = 1/(1+e^-x) * (1+e^-x - 1)/(1+e^-x)
df = 1/(1+e^-x) * (e^-x)/(1+e^-x)
df = (e^-x)/(1+e^-x)^2
您可以使用sigmoid函數的輸出，並將它傳遞到您的SigmoidDerivative功能在以下內容中用作f(x)：
dy/dx = f(x)' = f(x) * (1 - f(x))
我建議您嘗試自己嘗試使用衍生產品。使用一些代數，你可以得到f（x）*（1-f（x）），然後你就可以明確地知道發生了什麼。 （和下面的答案是100％正確的。）在替代方面 –
認爲你原來的問題，你會看到，F（X）是一種常見的術語，你可以通過替代分解出 –