Какая функция активации используется в финальном слое нейронной сети для многоклассовой классификации?

Краткое пояснение:

Решение:

1. Понимание задачи: Вопрос касается выбора правильной функции активации для последнего слоя нейронной сети при решении задачи многоклассовой классификации.
2. Анализ вариантов:
   • ReLU (Rectified Linear Unit) — популярная функция активации для скрытых слоев, но не подходит для выходного слоя многоклассовой классификации, так как она не обеспечивает вероятностное распределение.
   • Sigmoid — используется для бинарной классификации (два класса), преобразуя выход в вероятность от 0 до 1.
   • Hyperbolic tangent (tanh) — похожа на сигмоиду, но выход находится в диапазоне от -1 до 1. Также не подходит для многоклассовой классификации.
   • Softmax — специально разработана для многоклассовой классификации. Она принимает на вход вектор вещественных чисел и преобразует его в вектор вероятностей, сумма которых равна 1.
3. Выбор правильного ответа: Исходя из анализа, Softmax является стандартной и наиболее подходящей функцией активации для финального слоя нейронной сети в задачах многоклассовой классификации.

Ответ: d. Softmax