深度学习-常用激活函数-下篇
SELU 激活函数
此激活函数来源:https://arxiv.org/pdf/1706.02515.pdf
具体公式:
其中
lamada:1.0507009873554804934193349852946
alpha:1.6732632423543772848170429916717
具体以上两个值得得出细节可以参考对应论文
优点:
- 样本分布满足零均值和单位方差
- 具有软饱和的特性,提升了对噪声的鲁棒性
Swish激活函数
此激活函数来源:https://arxiv.org/abs/1710.05941
具体公式:
优势:
- 准确度性能优于Relu激活函数
- 无上界有下界、平滑、非单调的特性
缺点:
- 非线性操作,计算耗时