加快Java中的数学计算
我有一个用Java编写的神经网络，它使用如下定义的sigmoid传递函数：
private static double sigmoid(double x) { return 1 / (1 + Math.exp(-x)); } 这在使用网络进行训练和计算的过程中被多次调用。 有没有办法加速这个？ 这并不是说它很慢，只是它被大量使用，所以这里的一个小优化将是一个很大的整体收益。
对于神经网络，您不需要sigmoid函数的确切值。 因此，您可以预先计算100个值并重用最接近输入的值，或者甚至更好（如注释所述）从邻居值进行插值。
本文介绍了如何执行此操作（链接从s-lott的答案中窃取 ）。
这是sigmoid函数： 
如您所见，只有-10 编辑：对不起，我在这里显示错误的图表。 我已经纠正过了。
如果你有很多节点，其中x的值在-10 .. + 10框之外，你可以省略计算这些值，例如，像这样。
if( x < -10 ) y = 0; else if( x > 10 ) y = 1; else y = 1 / (1 + Math.exp(-x)); return y;
当然，这会导致每次计算的条件检查的开销，所以如果你有很多饱和节点，这是值得的。
值得一提的另一件事是，如果你正在使用反向传播，并且你必须处理函数的斜率，最好将它计算成碎片而不是“写入”。
我不记得此刻的斜坡，但这就是我所说的以双极S形为例。 而不是以这种方式计算
y = (1 - exp(-x)) / (1 + exp(-x));
两次命中exp（），你可以在临时变量中缓存昂贵的计算，就像这样
temp = exp(-x); y = (1 - temp) / (1 + temp);
在BP网络中有很多地方可以使用这种东西。
这是一个非常流畅的function，因此查找和插值方案可能绰绰有余。
当我在-10 <= x <= 10的范围内绘制函数时，我在极端情况下得到五位精度。 这对你的申请来说足够好吗？
从数学的角度来看，我认为没有任何优化它的可能性。