激活函数：连接感知机和神经网络的桥梁
要理解激活函数如何把简单的感知机变成复杂的神经网络，我们可以用一个故事和一个比喻来说明。
故事比喻：魔法学院的考核门
在一座神秘的魔法学院里，有许多魔法师想要进入更高等级的殿堂学习更强大的法术。但这座学院设有一道道考核门，每一扇门都会评估魔法师的潜力，决定他们是否有资格进入下一层。
这些考核门，就像神经网络中的激活函数，它们决定哪些信息可以继续往下传递，哪些信息应该被忽略。
激活函数的作用：筛选并放大关键信息
每个魔法师在进入考核门之前，都需要经过以下流程：
1.
计算魔力值（感知机的加权求和）
?
每个魔法师的能力不同，有些擅长火球术，有些擅长治愈术，还有些只是普通人。
?
在进入考核门之前，学院的考官会对每位魔法师的天赋进行加权评分（相当于神经网络的加权求和）。
?
比如，火系魔法的分数高，治疗系魔法的分数低，不同魔法的权重不同。
比喻：
这就像感知机中的线性计算，它只是单纯地累加输入信息，但还没有真正决定“谁能晋级”。
2.
进入考核门（激活函数的作用）
?
魔法学院的考核门不会让所有魔法师都进入下一层，它会根据他们的魔力值来筛选：
?
如果魔力值太低，考核门会直接关闭（相当于
ReLU
函数把负值变成
0）。
?
如果魔力值很高，考核门会全力开启，让魔法师顺利通过（相当于
Sigmoid
或
ReLU
把大数保留）。
?
如果魔力值一般，考核门可能会半开半闭，让部分魔法师勉强进入（相当于
Sigmoid
在
0
附近平滑过渡）。
比喻：
这个考核门就是激活函数，它决定哪些信息（魔法师）能继续传递，哪些信息（魔法师）会被屏蔽。
3.
进入下一层（神经网络的深度学习）
?
通过考核门的魔法师，进入更高级的学院，学习更复杂的魔法。
?
这一层的导师会根据他们的技能，进一步筛选、训练，并将合格者送往更高层次的殿堂。
第586章 怎么理解激活函数是连接感知机和神经网络的桥梁[1/2页]