深度学习模型中不同激活函数的性能分析 |
| |
引用本文: | 张恺翊,张宁燕,江志浩,代维凯,邹晓.深度学习模型中不同激活函数的性能分析[J].信息技术与网络安全,2023(S1):149-156. |
| |
作者姓名: | 张恺翊 张宁燕 江志浩 代维凯 邹晓 |
| |
作者单位: | 1. 91977部队;2. 91423部队 |
| |
摘 要: | 近年来,人们为处理众多问题引入了各种类型的神经网络,神经网络取得了巨大的发展。任何神经网络使用的层次结构是线性和非线性函数的组合,其中最常见的非线性层是激活函数,如Logistic Sigmoid、Tanh、ReLU、ELU、Swish和Mish。对深度学习神经网络中的激活函数进行了介绍,并对不同激活函数的输出范围、单调性、平滑性等特点进行了分析。通过在数据集上测试,对现在使用频率较高的激活函数进行了性能测试。对激活函数的分析将有助于进一步地在模型设计中进行选择。
|
关 键 词: | 卷积神经网络 激活函数 性能分析 |
|
|