Docs

createActFunc - создает объект, представляющий функцию активации

function createActFunc(actFunc);
function createActFunc(actFunc, p1);
function createActFunc(actFunc, p1, p2);
function createActFunc(actFunc, p1, p2, p3);
function createActFunc(actFunc, p1, p2, p3, p4);
function createActFunc(actFunc, luaFunction, luaDerivative);

Первые пять реализаций используются для создания предопределенных функций активации. Аргумент actFunc определяет тип функции и как много параметров из p1, p2, p3, p4 ей требуется. Не передавайте меньше параметров, чем необходимо.

Последняя реализация предназначена для пользовательских функций активации. В этом случае actFunc должен быть равен ACT_FUNC.CUSTOM, тогда как luaFunction и luaDerivative должны ссылаться на Lua-функции, принимающие по одному числовому аргументу и возвращающие одно числовое значение. Эти Lua-функции используются для вычисления значений функции активации и ее производной.

В случае успеха createActFunc возвращает уникальный идентификатор только что созданного объекта. Иначе возвращается 0.

Старайтесь работать с предопределенными функциями активации, если это возможно. Пользовательские функции существенно снижают общую производительность.

Не забудьте вызвать функцию closeId чтобы освободить объект, когда он перестанет быть нужен.

Чтобы создать сигмоидальную функцию активации:

sigmoidActFunc = createActFunc(ACT_FUNC.SIGMOID, 1.0);

Чтобы создать функцию активации f(x) = x:

linearActFunc = createActFunc(ACT_FUNC.LINEAR, 1.0, 0.0);

Чтобы создать функцию активации f(x) = cos(x):

function customEval(x)
   return math.cos(x);
   end;

function customDirEval(x)
   return -math.sin(x);
   end;

customActFunc = createActFunc(ACT_FUNC.CUSTOM, customEval, customDirEval);

ACT_FUNC, createAbstractNeuron, createDigitalNeuron, closeId