我正在尝试构建一个神经网络来研究连续输出变量的一个问题。使用的神经网络的示意图描述如下
在这种情况下，为什么我应该使用tanh（）激活函数而不是sigmoid（）激活函数？我过去一直使用sigmoid（）激活函数来解决使用神经网络的逻辑回归问题，并且我不清楚在存在连续输出变量时是否应该使用tanh（）函数。
它是否依赖于连续输出变量的值？例如： （i）当输出变量从0到1归一化时，使用sigmoid（） （ii）当输出变量具有负值时使用tanh（）。
提前致谢
答案 0 :(得分：0)
除0.5偏差外，两者在功能上几乎相同。重要的部分是
一旦你看到了这些，我怀疑你更担心的是计算效率。 tanh 在大多数架构上的计算成本都很高。如果这是您的担心，请考虑编写您自己的函数，也许是一个查找表，其中可能有2 ^ 10个预先计算的值，范围为[-4,4]，而“轨道”值（-1和1）超出该范围
