非线性变换的目的
非线性变换的目的是为神经网络引入一些非线性特征，使其训练出一些符合各种曲线或各种特征的模型。
换句话来说，如果模型都是直线特征的话，它的泛化能力会不够好。
目录
深度学习层列表 - MATLAB & Simulink - MathWorks 中国
- reluLayer 修正线性单元 (ReLU) 层
- sigmoidLayer
- leakyReluLayer泄漏整流线性单元 （ReLU） 层
- 双曲正切 (tanh) 层tanhLayer
- Softmax 层softmaxLayer
reluLayer
修正线性单元 (ReLU) 层
ReLU 层对输入的每个元素执行阈值运算，其中任何小于零的值都设置为零。
此运算等效于
语法
layer = reluLayer 创建一个 ReLU 层。layer = reluLayer('Name',Name) 创建一个 ReLU 层，并使用名称-值对组设置可选的 Name 属性。例如，reluLayer('Name','relu1') 创建一个名为 'relu1' 的 ReLU 层。
机器学习中的数学——激活函数（三）： 线性整流函数（ReLU函数）-CSDN博客
sigmoidLayer
Sigmoid 层自 R2020b 起
说明：sigmoid 层将 sigmoid 函数应用于输入，例如 输出以区间 （0,1） 为界。
此运算等效于
语法
- layer = sigmoidLayer 创建一个 sigmoid 层。
- layer = sigmoidLayer（'Name'，Name） 创建一个 sigmoid 层，并使用名称-值对参数设置可选的 Name 属性。例如，创建名称为 的 sigmoid 层。将属性名称括在单引号中。sigmoidLayer('Name','sig1')'sig1'
应用 sigmoid 激活 - MATLAB sigmoid - MathWorks 中国
Sigmoid 层 - MATLAB - MathWorks 中国
机器学习中的数学——激活函数（一）：Sigmoid函数-CSDN博客
leakyReluLayer泄漏整流线性单元 （ReLU） 层
在 R2017b 中引入
泄漏的 ReLU 层执行阈值操作，其中任何 小于零的输入值乘以固定标量。
此运算等效于
语法
- layer = leakyReluLayer 返回一个 泄漏的 ReLU 层。
- layer = leakyReluLayer（scale） 返回一个泄漏的 ReLU 层，其标量乘数等于 负输入。scale
- layer = leakyReluLayer(___,'Name',Name)返回泄漏的 ReLU 图层并设置可选的 Name 属性。
机器学习中的数学——激活函数（四）：Leaky ReLU函数_leakyrelu函数-CSDN博客
Leaky Rectified Linear Unit (ReLU) layer - MATLAB - MathWorks 中国
双曲正切 (tanh) 层tanhLayer
双曲正切 (tanh) 层tanhLayer在 R2019a 中推出
双曲正切 (tanh) 激活层对层输入应用 tanh 函数。
语法
- layer = tanhLayer 创建一个双曲正切层。
- layer = tanhLayer('Name',Name) 还指定可选的 Name 属性。例如，tanhLayer('Name','tanh1') 创建一个名为 'tanh1' 的 tanh 层。
双曲正切 (tanh) 层 - MATLAB - MathWorks 中国
机器学习中的数学——激活函数（二）：双曲正切函数（Tanh函数）_双曲正切激活函数-CSDN博客
Softmax 层softmaxLayer
softmax 层对输入应用 softmax 函数。
softmax 函数
softmax函数又称归一化指数函数，是基于 sigmoid 二分类函数在多分类任务上的推广；在多分类网络中，常用 Softmax 作为最后一层进行分类。
Softmax 的计算公式如下：
语法
- 使用 layer = softmaxLayer 创建一个 softmax 层。
- layer = softmaxLayer('Name',Name) 创建一个 softmax 层，并使用名称-值对组设置可选的 Name 属性。例如，softmaxLayer('Name','sm1') 创建一个名为 'sm1' 的 softmax 层。用单引号将属性名称引起来。
