神经网络激活函数：为什么选择tanh而不是sigmoid？

使用tanh激活函数的原因是它的输出范围是[-1, 1]，相对于sigmoid函数的输出范围[0, 1]，tanh函数的输出具有更好的中心化性质，因此更适合在神经网络中使用。此外，相比于sigmoid函数，tanh函数的导数在其定义域内变化更加剧烈，可以更好地解决梯度消失的问题。因此，tanh函数是在神经网络中被广泛使用的激活函数之一。