PulseAugur
实时 03:20:35
English(EN) Geometric Monomial (GEM): a family of rational 2N-differentiable activation functions

新的 GEM 激活函数提供了比 ReLU 更平滑、更具理性的替代方案

研究人员推出了一种名为 Geometric Monomial (GEM) 的新型激活函数族,专为深度神经网络设计。这些函数采用纯粹的有理数算术,并提供 $C^{2N}$-平滑性,旨在克服标准 ReLU 的局限性。实验表明,GEM 变体在 CIFAR-10CIFAR-100MNISTGPT-2BERT-small 等各种基准测试中,其性能可媲美甚至超越 GELU 等成熟函数。 AI

影响 引入了一个新的激活函数族,该函数在各种基准测试中表现出与 GELU 相当的性能,有望改进深度学习模型的优化。

排序理由 这是一篇介绍具有实验结果的新型激活函数族的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 GEM 激活函数提供了比 ReLU 更平滑、更具理性的替代方案

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Eylon E. Krause ·

    Geometric Monomial (GEM): a family of rational 2N-differentiable activation functions

    The choice of activation function plays a crucial role in the optimization and performance of deep neural networks. While the Rectified Linear Unit (ReLU) remains the dominant choice due to its simplicity and effectiveness, its lack of smoothness may hinder gradient-based optimiz…