激活函数通常具有()。A. 单调性B. 非线性C. 计算简单D. 可微性

激活函数在神经网络中用于引入非线性，使模型能够学习和表示复杂的数据关系。理想的激活函数应具备以下特性：
- 单调性：确保函数的输出随输入的增加而增加或减少，有助于梯度的传播。
- 非线性：使神经网络能够学习和表示非线性关系，这是线性模型无法做到的。
- 计算简单：便于快速计算，提高训练效率。
- 可微性：允许通过反向传播算法计算梯度，从而优化网络参数。