Resumen

La función de activación es el componente básico de la red neuronal convolucional (CNN), que proporciona la capacidad de transformación no lineal requerida por la red. Muchas funciones de activación hacen que la entrada original compita con diferentes términos de mapeo lineal o no lineal para obtener diferentes capacidades de transformación no lineal. Hasta hace poco, la entrada original de la activación de embudo (FReLU) competía con las condiciones espaciales, por lo que FReLU no solo tiene la capacidad de transformación no lineal, sino también la capacidad de modelado píxel a píxel. Resumimos el mecanismo de competencia en la función de activación y luego proponemos una nueva plantilla de diseño de función de activación: función de activación competitiva (CAF), que promueve la competencia entre diferentes elementos. CAF generaliza todas las funciones de activación que utilizan mecanismos de competencia. Según CAF, proponemos una unidad exponencial rectificada de embudo paramétrico (PFREU). PFREU promueve la competencia entre el mapeo

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Función de activación; Red neuronal convolucional; Transformación no lineal; Mecanismo de competencia; Activación en embudo; Condiciones espaciales
• Keywords:Activation function; Convolutional neural network; Nonlinear transformation; Competition mechanism; Funnel activation; Spatial conditions