分类目录:《机器学习中的数学》总目录
相关文章:
· 激活函数:基础知识
· 激活函数(一):Sigmoid函数
· 激活函数(二):双曲正切函数(Tanh函数)
· 激活函数(三): 线性整流函数(ReLU函数)
· 激活函数(四):Leaky ReLU函数
· 激活函数(五):ELU函数
· 激活函数(六):Parametric ReLU(PReLU)函数
· 激活函数(七):Softmax函数
· 激活函数(八):Swish函数
· 激活函数(九):Maxout函数
· 激活函数(十):Softplus函数
· 激活函数(十一):Softsign函数
· 激活函数(十二):迷你的铃铛误差线性单元(GELUs)
PReLU 也是 ReLU 的改进版本:
P R e L U ( x ) = { x , x > 0 α i x , x ≤ 0 PReLU(x)=left{ begin{aligned} x & quad ,x > 0 \ alpha_i x & quad , xleq 0\ end{aligned} right. PReLU(x)={xαix,x>0,x≤0
PReLU函数中,参数 α alpha α通常为0到1之间的数字,并且通常相对较小。
如果 α i = 0 alpha_i=0 αi=0,则PReLU(x)变为 ReLU。如果 α i > 0 alpha_i>0 αi>0,则PReLU(x)变为Leaky ReLU。如果 α i alpha_i αi是可学习的参数,则PReLU(x)为PReLU函数。PReLU函数的特点:
在负值域,PReLU的斜率较小,这也可以避免Dead ReLU问题。与ELU相比,PReLU 在负值域是线性运算。尽管斜率很小,但不会趋于0。