SoftReMish：一种用于增强卷积神经网络视觉识别性能的新型激活函数
计算机视觉与模式识别
2025-07-09 v1 人工智能
神经与进化计算
摘要
本研究提出了 SoftReMish，这是一种旨在提高卷积神经网络 (CNN) 在图像分类任务中的性能的新型激活函数。使用 MNIST 数据集，我们实现了一个标准 CNN 架构，包含两个卷积层、最大池化和全连接层。将 SoftReMish 与包括 ReLU、Tanh 和 Mish 在内的流行激活函数进行比较，方法是在所有可训练层中替换激活函数。通过最小训练损失和最大验证准确率评估模型性能。结果表明，SoftReMish 实现了最小损失 (3.14e-8) 和较高的验证准确率 (99.41%)，超越了测试的所有其他函数。这些发现表明，SoftReMish 具有更好的收敛行为和泛化能力，成为视觉识别任务的有前景的候选方案。
关键词
引用
@article{arxiv.2507.06148,
title = {SoftReMish: A Novel Activation Function for Enhanced Convolutional Neural Networks for Visual Recognition Performance},
author = {Mustafa Bayram Gücen},
journal= {arXiv preprint arXiv:2507.06148},
year = {2025}
}