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。