| 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 | |
| 文檔大小：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，人們為處理眾多問題引入了各種類型的神經網絡，神經網絡取得了巨大的發展。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。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2