神经网络中，为何不采用线性激活函数呢？

因为线性激活函数是无界的。

对于线性函数来说，你的定义域是很大，其值域也很广——其绝对值会大于1。

在人工神经网络中，我们需要的激活函数的值域的绝对值往往应该局限在0到1之间。为什么？

比如我们要判断一个图片中有没有猫，有猫输出1，没猫输出0。因此，我们不需要激活函数输出一个8或者123这样的大数字，所以我们不能使用线性激活函数。因为线性激活函数是很容易突破绝对值小于等于1的这个限制的。

那么，你想想，有什么函数的值域的绝对值是小于等于1的呢？最简单的能想到的就是三角函数，比如sin 或者cos函数，但这两个函数具有周期性，没有单调性，也不太好。所以，最后人工智能专家用的激活函数一般是sigmoid、tanh函数。这两个函数都是有界的，而且是单调函数，用起来很舒服。当然你可以选择别的非线性激活函数的。

另外，补充2点：

1.在上面那个猫的例子中，如果输出0.98，意思是有猫的概率为98%。

2.tanh函数可以与狭义相对论中的洛伦兹变换在数学上挂钩，它的有界性对应于物理上就是光速不可超越。