Função sigmoide: diferenças entre revisões
Aspeto
Conteúdo apagado Conteúdo adicionado
m He7d3r moveu Função sigmóide para seu redirecionamento Função sigmoide: Não há mais acento (http://www.academia.org.br/nossa-lingua/busca-no-vocabulario) |
m +ref |
||
Linha 1: | Linha 1: | ||
{{Sem-fontes|data=novembro de 2013}} |
|||
[[Imagem:Logistic-curve.png|thumb|Gráfico da função sigmóide]] |
[[Imagem:Logistic-curve.png|thumb|Gráfico da função sigmóide]] |
||
A '''função sigmoide''' é uma função [[matemática]] de amplo uso em campos como a [[economia]] e a [[computação]]. O nome "sigmoide" vem da forma em '''S''' do seu [[gráfico de uma função|gráfico]]. |
A '''função sigmoide''' é uma função [[matemática]] de amplo uso em campos como a [[economia]] e a [[computação]]. O nome "sigmoide" vem da forma em '''S''' do seu [[gráfico de uma função|gráfico]].<ref>{{citar livro|último1 =Han |primeiro1 =Jun |último2 =Morag |primeiro2 =Claudio |título=From Natural to Artificial Neural Computation |volume=930 |capítulo=The influence of the sigmoid function parameters on the speed of backpropagation learning |editor-sobrenome1 =Mira |editor-nome1 =José |editor-sobrenome2 =Sandoval |editor-nome2 =Francisco |páginas=[https://archive.org/details/fromnaturaltoart1995inte/page/195 195–201] |ano=1995 |doi=10.1007/3-540-59497-3_175 |series=Lecture Notes in Computer Science |isbn=978-3-540-59497-0 |capítulourl=https://archive.org/details/fromnaturaltoart1995inte/page/195 }}</ref> |
||
Ela é definida como: |
Ela é definida como: |
||
Linha 25: | Linha 24: | ||
s1 = sigmf(x,[1 5]) // s1 será uma sigmoide cujo centro é no 5 |
s1 = sigmf(x,[1 5]) // s1 será uma sigmoide cujo centro é no 5 |
||
s2 = sigmf(x,[0.5 5]) // s2 será uma sigmoide cujo centro é no 5, porém com uma inclinação mais suave que anterior |
s2 = sigmf(x,[0.5 5]) // s2 será uma sigmoide cujo centro é no 5, porém com uma inclinação mais suave que anterior |
||
s3 = sigmf(x,[0.5 10]) // s3 será uma sigmoide cujo centro é no 10, com a mesma inclinação que anterior |
s3 = sigmf(x,[0.5 10]) // s3 será uma sigmoide cujo centro é no 10, com a mesma inclinação que anterior |
||
plot(x,s1) |
plot(x,s1) |
||
plot(x,s2) |
plot(x,s2) |
||
plot(x,s3) |
plot(x,s3) |
||
Linha 32: | Linha 31: | ||
==Ver também== |
==Ver também== |
||
*[[Função logística]] |
*[[Função logística]] |
||
{{referências}} |
|||
[[Categoria:Funções matemáticas]] |
[[Categoria:Funções matemáticas]] |
Edição atual tal como às 22h32min de 25 de maio de 2021
![](http://upload.wikimedia.org/wikipedia/commons/thumb/a/ac/Logistic-curve.png/220px-Logistic-curve.png)
A função sigmoide é uma função matemática de amplo uso em campos como a economia e a computação. O nome "sigmoide" vem da forma em S do seu gráfico.[1]
Ela é definida como:
para todo real.
Ela é solução da equação diferencial:
com entre 0 e 1.
A função sigmoide pode ser reescrita como:
Computação[editar | editar código-fonte]
Um exemplo de código para Octave, que aplica a função a um escalar ou a alguma matriz:
function f = sigmoid(z) f=1./(1+exp(-z)); endfunction
No MATLAB a função sigmf
possui dois valores de ajustes da sigmoide. O primeiro indica o grau de inclinação da curva, enquanto o segundo indica o ponto médio da curva, ou seja, para que valor de x a sigmoide vai assumir valor 0.5 no eixo y (centro da sigmoide).
Um exemplo de código para o Matlab:
x = 0:0.5:20 //definimos x como um vetor de valores que vai de 0 a 20 em um intervalo de 0.5, ou seja, x = {0 , 0.5, 1, 1.5, … , 19.5, 20} s1 = sigmf(x,[1 5]) // s1 será uma sigmoide cujo centro é no 5 s2 = sigmf(x,[0.5 5]) // s2 será uma sigmoide cujo centro é no 5, porém com uma inclinação mais suave que anterior s3 = sigmf(x,[0.5 10]) // s3 será uma sigmoide cujo centro é no 10, com a mesma inclinação que anterior plot(x,s1) plot(x,s2) plot(x,s3)
Ver também[editar | editar código-fonte]
Referências
- ↑ Han, Jun; Morag, Claudio (1995). «The influence of the sigmoid function parameters on the speed of backpropagation learning». In: Mira, José; Sandoval, Francisco. From Natural to Artificial Neural Computation. Col: Lecture Notes in Computer Science. 930. [S.l.: s.n.] pp. 195–201. ISBN 978-3-540-59497-0. doi:10.1007/3-540-59497-3_175