Tanh

Танh — это математическая функция, которую часто называют гиперболическим тангенсом. Если совсем просто, то она превращает любое число в значение от минус единицы до единицы. Например, на вход можно подать сто, а на выходе получить число, близкое к единице, но никогда её не превышающее.

Зачем это нужно в искусственном интеллекте? Нейросети работают с числами, и им важно, чтобы сигналы не «взрывались» и не затухали. Tanh помогает держать данные в предсказуемом диапазоне, что делает обучение более стабильным. Без подобных функций сеть быстро превратилась бы в кашу из огромных и крошечных чисел.

Как это работает интуитивно? Представьте, что вы регулируете громкость звука. У Tanh есть плавный переход: для нуля на входе выход тоже ноль, а при росте входного значения выход всё медленнее приближается к потолку. При этом отрицательные числа дают отрицательные результаты, вплоть до минус единицы. Это удобно, потому что функция сохраняет знак и симметрию: сильный отрицательный стимул — сильный отрицательный ответ, положительный — положительный.

Классический пример — обработка изображений. Когда нейросеть распознаёт, есть ли на фото котик, она анализирует яркость пикселей. Значения могут быть разбросаны, но Tanh нормализует их, позволяя сети чётче отделять тёмные участки от светлых и находить границы объектов. Это ускоряет обучение и делает результат точнее.

Итог прост: Tanh — это «выравниватель» сигналов, который помогает нейросетям думать без крайностей. Он старше многих современных алгоритмов, но до сих пор остаётся надёжным инструментом, особенно в скрытых слоях небольших сетей. Если встретите упоминание Tanh в коде или статье — знайте, что речь о способе сделать числа аккуратными и удобными для обучения.