Aller au contenu principal
Accès ouvert déclaré 2020 article

Differential Equation Units: Learning Functional Forms of Activation Functions from Data

3Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : de, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Most deep neural networks use simple, fixed activation functions, such as sigmoids or rectified linear units, regardless of domain or network structure. We introduce differential equation units (DEUs), an improvement to modern neural networks, which enables each neuron to learn a particular nonlinear activation function from a family of solutions to an ordinary differential equation. Specifically, each neuron may change its functional form during training based on the behavior of the other parts of the network. We show that using neurons with DEU activation functions results in a more compact network capable of achieving comparable, if not superior, performance when compared to much larger networks.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Differential Equation Units: Learning Functional Forms of Activation Functions from Data
Date Crossref
03/04/2020
Éditeur
Association for the Advancement of Artificial Intelligence (AAAI)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Amazon (Germany) pays non établi dans la notice
    Entreprise
  • University of Massachusetts Amherst pays non établi dans la notice
    Université ou école supérieure
  • Microsoft (United States) pays non établi dans la notice
    Entreprise
  • Amazon.com pays non établi dans la notice
    Institution
  • Microsoft Dynamics 365 AI pays non établi dans la notice
    Institution

Amazon (Germany), University of Massachusetts Amherst et Microsoft (United States), avec 2 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Model Reduction and Neural NetworksNeural Networks and Applications

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.