La función sigmoidea (con la cual supongo que se refiere a la función logística) se usa con más frecuencia que la tangente hiperbólica por una serie de razones, la más común de las cuales es probable la capacidad analítica (la derivada de la función logística es “más agradable” que la derivada de la función tanh, por ejemplo) y la convención / interpretabilidad (la función logística es fundamental en estadística, donde es el CDF de la distribución logística y el inverso de la función de enlace en regresión logística). Dicho esto, tanto la función logística como la función tanh son opciones populares para la función de activación en redes neuronales, lo que supongo es la motivación para su pregunta.
Con respecto a su punto de que la función tanh es antisimétrica respecto al origen, la función logística se transforma fácilmente para tener esta propiedad al multiplicar por 2 y restar 1. De hecho, las funciones logísticas y tanh están unidas por la ecuación
[matemáticas] \ textrm {tanh} (x) = 2 \ cdot \ textrm {logística} (2x) – 1 [/ matemáticas],
- ¿Qué significa realmente el aprendizaje automático en términos reales?
- Cómo depurar sus proyectos de ciencia de datos y aprendizaje automático
- ¿Se puede extraer información significativa de un sistema caótico utilizando una red neuronal?
- ¿De qué maneras alguien puede obtener ingresos del aprendizaje automático (trabajo por cuenta propia)?
- ¿Cuáles son algunos proyectos interesantes de minería de texto en análisis político?
para que la relación entre las dos funciones sea tan simple como la transformación antes mencionada, hasta un factor de estiramiento de 2.