꿈라CBT딥러닝의 활성화 함수에 대한 설명으로 가장 옳지 않은 것은?
- 1소프트맥스는 출력값의 합이 1이 되도록 만들어 주므로 다중 클래스 분류의 출력층에 주로 사용된다.
- 2시그모이드는 출력이 0과 1 사이로 압축되어 확률처럼 해석할 수 있으나, 양 끝에서 기울기가 0에 가까워진다.
- 3ReLU는 입력이 양수인 구간에서 기울기가 일정하게 유지되지만, 층이 깊어질수록 기울기 소실이 시그모이드보다 심하게 나타난다.
- 4ELU와 Leaky ReLU는 음수 구간에서도 0이 아닌 출력을 갖게 하여 ReLU의 뉴런 사멸 문제를 완화한다.