多激活函数的立体神经网络设计

摘要：

合适的激活函数和参数可大幅提高神经网络预测的准确率,因此,工作人员会耗费大量时间和精力对激活函数进行多轮对比测试,通过评价指标的表现做出最终选择.为减少这种无效科研工作时间,建立了激活函数池,将传统神经网络进行叠加,形成了立体神经网络.该网络可对激活函数池中的多个函数同时进行训练,自动调整参数,通过ROC和AUC对各个维度的网络进行评价,选出主网络对未知数据进行预测.该立体神经网络可以帮助工作人员节省大约25％的手工比对和调整参数时间,预测准确率与 使用正确激活函数的传统神 经网络 持平.

关键词：人工神经网络、激活函数、评价指标、ROC、AUC

所属期刊栏目：22

分类号：TP183(自动化基础理论)

资助基金：黑龙江财经学院校级科研课题XJZD202308

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：62-67