Инициализация весов. Функции активации

Практичская работа №4

Инициализация весов. Функции активации

Задания

1. Напишите программу на Python, которая строит график сигмоидной функции для значений x в интервале от -10 до 10 с шагом 0.5.

2. Напишите программу на Python, которая вычисляет значение сигмоидной функции для заданного значения x и выводит результат.

3. Напишите программу на Python, которая строит график функции активации ReLU для значений x в интервале от -5 до 5 с шагом 0.1.

4. Напишите программу на Python, которая строит график функции гиперболического тангенса (tanh) для значений x в интервале от -5 до 5 с шагом 0.1.

5. Напишите программу на Python, которая строит график функции активации Leaky ReLU для значений x в интервале от -5 до 5 с шагом 0.1, используя параметр утечки (leakage) в качестве параметра.

7. Напишите программу на Python, которая строит график функции активации Maxout для значений x в интервале от -5 до 5 с шагом 0.1. Функция Maxout определяется как max(w1*x, w2*x), где w1 и w2 - параметры функции.

Методическое указание для выполнение работ

Разберем пример 1

Пример 1 : программа создает массив значений x от -5 до 5 с шагом 0.1

import numpy as np

import matplotlib.pyplot as plt

# Определяем функцию сигмоиды

def sigmoid(x):

    return 1 / (1 + np.exp(-x))

# Создаем массив значений x от -5 до 5 с шагом 0.1

x = np.arange(-5, 5, 0.1)

# Вычисляем значения сигмоиды для каждого значения x

sigmoid_values = sigmoid(x)

# Строим график

plt.plot(x, sigmoid_values)

plt.title('График сигмоидной функции')

plt.xlabel('Значения x')

plt.ylabel('Значения сигмоиды')

plt.grid(True)

plt.show()

`numpy` (сокращение `np`): Библиотека `numpy` предоставляет функции для работы с многомерными массивами (называемыми также ndarray) и инструменты для работы с этими массивами. Она является основной библиотекой для научных вычислений в Python и часто используется для выполнения математических и статистических операций.