深度學習模型中不同激活函數的性能分析
所屬分類：技術論文
上傳者：wwei
文檔大?。?span>6176 K
標簽： 卷積神經網絡 激活函數 性能分析
所需積分：0分積分不夠怎么辦？
文檔介紹：近年來，人們?yōu)樘幚肀姸鄦栴}引入了各種類型的神經網絡，神經網絡取得了巨大的發(fā)展。任何神經網絡使用的層次結構是線性和非線性函數的組合，其中最常見的非線性層是激活函數，如Logistic Sigmoid、Tanh、ReLU、ELU、Swish和Mish。對深度學習神經網絡中的激活函數進行了介紹，并對不同激活函數的輸出范圍、單調性、平滑性等特點進行了分析。通過在數據集上測試，對現在使用頻率較高的激活函數進行了性能測試。對激活函數的分析將有助于進一步地在模型設計中進行選擇。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。