人工神经网络框架AForge学习(二):Sigmoid激活函数

Code
namespace AForge.Neuro
{
    using System;

    /// <summary>
    /// Sigmoid activation function
    /// 西格玛激活函数
    /// </summary>
    ///
    /// <remarks>The class represents sigmoid activation function with
    /// the next expression:<br />
    /// 这个类表示西格玛激活函数按照下面的公示描述：
    /// <code>
    ///                1
    /// f(x) = ------------------
    ///        1 + exp(-alpha * x)
    ///
    ///           alpha * exp(-alpha * x )
    /// f'(x) = ---------------------------- = alpha * f(x) * (1 - f(x))
    ///           (1 + exp(-alpha * x))^2
    /// </code>
    /// Output range of the function: <b>[0, 1]</b><br /><br />
    /// 输出范围在[0,1]区间
    /// Functions graph:<br />
    /// <img src="sigmoid.bmp" width="242" height="172" />
    /// </remarks>
    public class SigmoidFunction : IActivationFunction
    {
        // sigmoid's alpha value
        // 阀值、偏置、活性值?
        private double alpha = 2;

        /// <summary>
        /// Sigmoid's alpha value
        /// </summary>
        /// 
        /// <remarks>The value determines steepness of the function. Default value: <b>2</b>.
        /// </remarks>
        public double Alpha
        {
            get { return alpha; }
            set { alpha = value; }
        }

        /// <summary>
        /// Initializes a new instance of the <see cref="SigmoidFunction"/> class
        /// 初始化
        /// </summary>
        public SigmoidFunction( ) { }

        /// <summary>
        /// Initializes a new instance of the <see cref="SigmoidFunction"/> class
        /// </summary>
        /// 
        /// <param name="alpha">Sigmoid's alpha value 指定修正值</param>
        public SigmoidFunction( double alpha )
        {
            this.alpha = alpha;
        }


        /// <summary>
        /// Calculates function value
        /// 计算函数值
        /// </summary>
        ///
        /// <param name="x">Function input value</param>
        /// 
        /// <returns>Function output value, <i>f(x)</i></returns>
        ///
        /// <remarks>The method calculates function value at point <b>x</b>.</remarks>
        ///
        public double Function( double x )
        {
            return ( 1 / ( 1 + Math.Exp( -alpha * x ) ) );
        }

        /// <summary>
        /// Calculates function derivative
        /// 计算导数
        /// </summary>
        /// 
        /// <param name="x">Function input value</param>
        /// 
        /// <returns>Function derivative, <i>f'(x)</i> 返回导数值</returns>
        /// 
        /// <remarks> The method calculates function derivative at point <b>x</b>.</remarks>
        ///
        public double Derivative( double x )
        {
            double y = Function( x );

            return ( alpha * y * ( 1 - y ) );
        }

        /// <summary>
        /// Calculates function derivative
        /// 计算导数
        /// </summary>
        /// 
        /// <param name="y">Function output value - the value, which was obtained
        /// with the help of <see cref="Function"/> method
        /// 由Function计算出来的y
        /// </param>
        /// 
        /// <returns>Function derivative, <i>f'(x)</i></returns>
        /// 
        /// <remarks>The method calculates the same derivative value as the
        /// <see cref="Derivative"/> method, but it takes not the input <b>x</b> value
        /// itself, but the function value, which was calculated previously with
        /// the help of <see cref="Function"/> method. <i>(Some applications require as
        /// function value, as derivative value, so they can seve the amount of
        /// calculations using this method to calculate derivative)</i>
        /// 这个方法和Derivative一样计算导数，但它不以输入值x为参数，而是以原先由Funcion计算
        /// 出的y为参数.
        /// </remarks>
        /// 
        public double Derivative2( double y )
        {
            return ( alpha * y * ( 1 - y ) );
        }    
    }
}