Алгоритм распознавания объёмно-пространственной формы лица человека (Алгоритм Face ID)

Бинарный метод выход нейрона доставлял множество неудобств при обучении нейронной сети модели перцептрона. Из-за бинарного выхода малейшее изменение входных параметров влекло абсолютное изменение выходных данных при условии достаточно большого размера сети. Дабы избежать столь резких изменений модель перцептрона была доработана, что привело к плавному изменению выходных сигналов.
В зависимости от активационной функции изменяется диапазон выходных значений и, соответственно, тип нейрона (гиперболический, сигмоидальный и т.д.). Основными функциями активации являются:
Единичный скачок (частный случай перцептрона)
PX=-x, &x<0x, &x≥0
Линейный порог (гистерезис).
PX= -x, x<x0 ax, x∈[-x0, x0]x, x> x0
Сигмоид
PX= 11-e-aY
Гиперболический тангенс.
PX=tanhxa
Во всех формулах – угол наклона графика функции, х0 – сдвиг относительно начала координат, зависит от угла . В этой классификации сигмоид, или логистическая функция, является дальнейшим развитием перцептрона, так как его выход изменяется не скачкообразно, а плавно, с наклоном , как показано на рисунке 2.3.