深度学习模型中不同激活函数的性能分析AET-电子技术应用-最丰富的电子设计资源平台

深度学习模型中不同激活函数的性能分析
所属分类：技术论文
上传者：wwei
文档大小：6176 K
标签：卷积神经网络激活函数性能分析
所需积分：0分积分不够怎么办？
文档介绍：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。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动