优化CNN-BiGRU性能：Mish激活函数及与ReLU的比较分析
机器学习
2024-06-03 v1 密码学与安全
摘要
深度学习目前广泛应用于各个研究领域。深度学习技术的不断进步有助于解决复杂的挑战。激活函数（AF）是神经网络的基本组成部分，使网络能够捕捉数据中的复杂模式和关系。通过引入非线性，AF使神经网络能够建模并适应真实世界数据的多样性和细微差别，增强其在各种任务中做出准确预测的能力。在入侵检测的背景下，我们在CNN-BiGRU模型中实现了最新的激活函数Mish，使用了三个数据集：ASNM-TUN、ASNM-CDX和HOGZILLA。与广泛使用的激活函数ReLU（修正线性单元）的比较表明，Mish优于ReLU，在评估的数据集上展现出优越的性能。本研究阐明了激活函数在提升入侵检测系统性能方面的有效性。
引用
@article{arxiv.2405.20503,
title = {Optimizing cnn-Bigru performance: Mish activation and comparative analysis with Relu},
author = {Asmaa Benchama and Khalid Zebbara},
journal= {arXiv preprint arXiv:2405.20503},
year = {2024}
}