声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：骆训浩,李培华,
单位：大连理工大学电子信息与电气工程学部,辽宁大连116024；
关键词：幂线性单元,参数化激活函数,卷积神经网络,
基金：国家自然科学基金资助项目(61471082)；；
针对修正线性单元（ReLU）完全丢弃网络中包含有用信息的负激活值问题，基于参数化修正线性单元（PReLU）和指数线性单元（ELU）的研究，提出一种新颖的参数化激活函数幂线性单元（PoLU）。PoLU对输入的负激活部分实施有符号的幂非线性变化，幂函数的参数是可以在CNN训练过程中自适应学习的，同时像ReLU那样保持正激活部分不变。PoLU可以高效地实现并且灵活地运用到不同的卷积神经网络架构中。在广泛使用的CIFAR-10/100数据库上的实验结果表明，PoLU要优于ReLU和它相对应的激活函数。
来源：2019年第10期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。