神經平台的自定義激活功能神經網絡平台非常方便，但可以擴展激活函數選項。 在概念上添加激活函數應該很容易——但我想知道目前是否可以使用 JSL 或其他方法來實現？ 就其核心而言，我認為它相當於提供一種功能，它是派生的。 也可能是一種初始化策略（但對於像 JMP 中的淺層網絡來說並不那麼重要）。
回复：神經平台的自定義激活功能請務必使用上面的“JMP 願望清單”鏈接。 那就是你提出建議的地方。
回复：神經平台的自定義激活函數我還希望有更多的激活函數可供選擇和/或構建自定義激活函數的選項。
回复：神經平台的自定義激活功能是的，我有 JMP Pro，並且廣泛使用過 Nueral 平台。 主要嘗試用於回歸，我肯定看到了潛力——與使用 Python 相比，它還有一個非常好的界面。 然而......只有三個核函數選項，線性和高斯並不是真正有用的 IMO - 高斯是從支持向量機中提取的，我確信並且在我的經驗中似乎沒有提供任何優於 tanh 的優勢並且身份函數沒有'扭曲高階空間並且與線性回歸沒有什麼不同。 tanh 函數很好，但我認為它最初是用於 ANN 中的分類。 我可以看到硬性限制/飽和度顯示在預測圖的實際回歸中，我還看到實時預測數據中的不良邊界條件，其中輸入隨時間緩慢變化——這又是 tanh 函數的產物。 我想嘗試 arcsinh（反雙曲正弦）來緩解這個問題。 我假設它的屬性更適合回歸，並且可以克服 tanh 函數在回歸應用中的不足。
回复：神經平台的自定義激活函數您在使用 JMP Pro 嗎？ JMP Pro 確實提供了多種不同激活函數的選擇。 JMP Pro 還提供了兩個隱藏層，而不僅僅是 JMP 中的一個隱藏層。 我肯定很好奇您對使用什麼激活函數感興趣。
回复：神經平台的自定義激活功能目前這是不可能的。您認為這可能對您有幫助嗎？如果有，您能描述一下嗎？
