论文部分内容阅读
卷积神经网络在图像分类领域中得到广泛的应用,激活函数是卷积神经网络模型的重要组成部分,"激活的神经元"使CNN具备分层的非线性特征学习能力。针对现有的激活函数存在"梯度消失"、"神经元坏死"和不易收敛等缺陷,设计一种新的非线性非饱和的激活函数SReLU。基于Keras深度学习框架对不同的激活函数分别在MINIST数据集和CIFA-100数据集上进行对比研究,实验结果表明,SReLU在两种不同的数据集上都取得相对最优的效果。