研究人员开发了一种名为平方S型函数-双曲正切函数（SST）的新激活函数，旨在提高门控循环单元（GRU）在序列学习任务中的性能，尤其是在训练数据有限的情况下。这种无参数的修改增强了门激活之间的对比度，从而实现了更清晰的信息过滤和更稳定的学习。在手语识别、人类活动识别和时间序列预测方面的评估表明，SST-GRU在数据稀缺环境中始终优于标准GRU，且计算成本增加极少。 AI
影响 引入了一种无参数的GRU修改方法，提高了在低数据序列学习场景下的性能。
排序理由 这是一篇介绍循环神经网络新型激活函数的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
