激活函数总结(二十):激活函数补充
1 引言
2 激活函数
2.1 Square nonlinearity (SQNL)激活函数
2.2 Piecewise Linear Unit (PLU)激活函数
3. 总结
1 引言
在前面的文章中已经介绍了介绍了一系列激活函数 (Sigmoid、Tanh、ReLU、Leaky ReLU、PReLU、Swish、ELU、SELU、GELU、Softmax、Softplus、Mish、Maxout、HardSigmoid、HardTanh、Hardswish、HardShrink、SoftShrink、TanhShrink、RReLU、CELU、ReLU6、GLU、SwiGLU、GTU、Bilinear、ReGLU、GEGLU、Softmin、Softmax2d、Logsoftmax、Identity、LogSigmoid、Bent Identity、Absolute、Bipolar、Bipolar Sigmoid、Sinusoid、Cosine、Arcsinh、Arccosh、Arctanh、LeCun Tanh、TanhExp、Gaussian 、GCU、ASU、SQU、NCU、DSU、SSU、SReLU、BReLU、PELU、Phish、RBF、SQ-RBF、ISRU、ISRLU)。在这篇文章中,会接着上文提到的众多激活函数继续进行介绍,给大家带来更多不常见的激活函数的介绍。这里放一张激活函数的机理图:
2 激活函数
2.1 Square nonlinearity (SQNL)激活函数
Square nonlinearity(SQNL)一种新的计算高效激活函数。由于其固有的平方运算,该函数被命名为平方律非线性(SQNL)函数。其数学表达式和数学图像分别如下所示:
S Q N L ( x ) = { 1 , if x > 2 x − x 2 4 , if 0 ≤ x ≤ 2 x + x 2 4 , if − 2 ≤ x < 0 − 1 , if x < − 2 SQNL(x) =
⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪1,x−x24,x+x24,−1,if x>2if 0≤x≤2if −2≤x<0if x<−2
{1,if x>2x−x24,if 0≤x≤2x+x24,if −2≤x<0−1,if x<−2
SQNL(x)=
⎩
⎨
⎧
1,
x−
4
x
2
,
x+
4
x
2
,
−1,
if x>2
if 0≤x≤2
if −2≤x<0
if x<−2
优点:
简单非线性:平方运算,一个最简单的非线性操作。
对称和连续:它在零附近是对称的,在−∞和+∞之间是连续的。
线性微分:SQNL的导数是线性的。
缺点:
可解释性: SQNL不是一个广泛使用的激活函数,因此可能需要更多的背景知识来解释其作用和效果。
过于简单:很难用于处理复杂问题,提取复杂问题中的关键特征。
SQNL是一个用于数字电路的激活函数,在FPGA中有所用到。。。但是在深度学习中很少出现。。。。
2.2 Piecewise Linear Unit (PLU)激活函数
论文链接:https://arxiv.org/pdf/1809.09534v1.pdf
PLU是一种类似于 ReLU 的激活函数,但在负半部分采用了分段线性变换,以引入更多的非线性性质。其数学表达式和数学图像分别如下所示:
P L U ( x ) = m a x ( α ( x + c ) − c , m i n ( α ( x + c ) + c , x ) ) PLU(x)=max(\alpha (x+c)-c, min(\alpha (x+c)+c, x))
PLU(x)=max(α(x+c)−c,min(α(x+c)+c,x))
优点:
非线性性质: PLU 引入了非线性性质,有助于神经网络捕捉数据中的复杂模式,使其在处理非线性问题时表现更好。
平滑性: 在输入范围内,PLU 是分段线性的,有助于梯度计算的稳定性,减少了梯度突变可能引发的问题。
参数调节: 通过调整参数 α 和 c,可以控制 PLU 激活函数的斜率和平移,使其适应不同任务和数据分布。
缺点:
参数设置: 需要仔细调整参数 α 和 c 才能获得最佳性能,这可能需要一些实验和调试。
可解释性: PLU 不是最常见的激活函数之一,可能需要更多的背景知识来理解其作用和效果。
总之,PLU 激活函数通过引入分段线性特性,同时保持一定的平滑性,旨在增加神经网络的非线性能力。但是,这是这种不常见的性质导致其并不常使用。。。。。
3. 总结
到此,使用 激活函数总结(二十) 已经介绍完毕了!!! 如果有什么疑问欢迎在评论区提出,对于共性问题可能会后续添加到文章介绍中。如果存在没有提及的激活函数也可以在评论区提出,后续会对其进行添加!!!!
如果觉得这篇文章对你有用,记得点赞、收藏并分享给你的小伙伴们哦😄。
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/qq_36758270/article/details/132460100