MorphoActivation：基于数学形态学对ReLU激活函数的推广
机器学习
2022-07-15 v1 离散数学
图像与视频处理
信号处理
应用统计
摘要
本文借助数学形态学的代数基础，分析了深度卷积神经网络(DCNNs)的非线性激活函数与空间最大池化。此外，通过在形态学表示框架下同时考虑最大池化与非线性算子，提出了一类通用激活函数族。实验部分在DCNN监督学习的经典基准上验证了我们所提方法的有效性。
引用
@article{arxiv.2207.06413,
title = {MorphoActivation: Generalizing ReLU activation function by mathematical morphology},
author = {Santiago Velasco-Forero and Jesús Angulo},
journal= {arXiv preprint arXiv:2207.06413},
year = {2022}
}