Softplus पहला अवकलज कैलकुलेटर क्या है?
यह टूल किसी भी वास्तविक इनपुट मान x पर Softplus एक्टिवेशन फंक्शन के पहले अवकलज की गणना करता है। Softplus फंक्शन, जिसे \(\phi(x) = \ln(1 + e^{x})\) के रूप में परिभाषित किया जाता है, ReLU (Rectified Linear Unit) फंक्शन का एक स्मूथ और अवकलनीय (differentiable) रूप है, जिसका उपयोग न्यूरल नेटवर्क में व्यापक रूप से किया जाता है। इसका अवकलज ठीक logistic sigmoid फंक्शन के बराबर होता है, जो इसे ग्रेडिएंट-आधारित ट्रेनिंग के लिए बेहद सुविधाजनक बनाता है।
इसका उपयोग कैसे करें
वह x मान दर्ज करें जिस पर आप अवकलज का मूल्यांकन करना चाहते हैं और सबमिट करें। कैलकुलेटर \(\phi'(x)\) लौटाता है — एक ऐसी संख्या जो हमेशा 0 और 1 के बीच ही रहती है। धनात्मक (positive) इनपुट परिणाम को 1 की ओर ले जाते हैं, ऋणात्मक (negative) इनपुट इसे 0 की ओर ले जाते हैं, और ठीक 0 का इनपुट 0.5 देता है।
सूत्र की व्याख्या
Softplus फंक्शन का अवकलन करने पर मिलता है:
$$\frac{d}{dx}\ln\!\left(1 + e^{x}\right) = \frac{e^{x}}{1 + e^{x}} = \frac{1}{1 + e^{-x}}$$
यही logistic sigmoid \(\sigma(x)\) है। गणना को संख्यात्मक रूप से स्थिर (numerically stable) बनाए रखने के लिए, कैलकुलेटर \(x \geq 0\) के लिए \(\frac{1}{1 + e^{-x}}\) और \(x < 0\) के लिए समतुल्य \(\frac{e^{x}}{1 + e^{x}}\) का उपयोग करता है, ताकि बड़े मान वाले इनपुट के लिए एक्सपोनेंशियल का ओवरफ्लो न हो।
हल किया हुआ उदाहरण
मान लीजिए \(x = 0.5\)। तब \(e^{-0.5} = 0.6065306597\), इसलिए \(1 + e^{-0.5} = 1.6065306597\)। अतः $$\phi'(0.5) = \frac{1}{1.6065306597} = 0.622459$$ चूँकि इनपुट थोड़ा धनात्मक है, इसलिए अवकलज 0.5 से कुछ ही ऊपर है।
अक्सर पूछे जाने वाले प्रश्न (FAQ)
अवकलज sigmoid फंक्शन ही क्यों होता है? क्योंकि \(\ln(1 + e^{x})\) पर चेन रूल लगाने पर यह बीजगणितीय रूप से सरल होकर \(\frac{1}{1 + e^{-x}}\) यानी मानक logistic sigmoid बन जाता है।
\(\phi'(x)\) का परास (range) क्या है? यह खुला अंतराल \((0, 1)\) है। जैसे-जैसे x ऋणात्मक अनंत की ओर जाता है, मान 0 के पास पहुँचता है और जैसे-जैसे x धनात्मक अनंत की ओर जाता है, मान 1 के पास पहुँचता है, पर कभी भी इन सीमाओं तक नहीं पहुँचता।
क्या शून्य से भाग (divide-by-zero) का कोई खतरा है? नहीं। चूँकि हर वास्तविक x के लिए \(1 + e^{-x}\) हमेशा शून्य से बड़ा होता है, इसलिए हर (denominator) कभी शून्य नहीं हो सकता।
