꿈라CBT인공신경망의 활성화 함수(Activation Function)에 대한 설명으로 적절하지 않은 것은?
- 1시그모이드 함수는 출력을 0과 1 사이의 값으로 변환하므로 이진 분류 문제의 출력층에 사용할 수 있다.
- 2ReLU 함수는 입력이 0보다 크면 그 값을 그대로 출력하고 0 이하이면 0을 출력하며, 기울기 소실 문제를 완화한다.
- 3은닉층의 활성화 함수를 모두 항등함수(선형함수)로 사용하면, 층을 깊게 쌓을수록 표현할 수 있는 함수가 점점 복잡해진다.
- 4소프트맥스(Softmax) 함수는 각 범주에 대한 출력의 합이 1이 되도록 만들어 다중 분류 문제의 출력층에 사용된다.