ReLU

Зрі́заний ліні́йний ву́зол^[1][2], іноді ви́прямлений ліні́йний ву́зол^[3] (англ. rectified linear unit, ReLU^[4]), або випрямля́ч^[5][6] (англ. rectifier) у контексті штучних нейронних мереж є передавальною функцією, яка визначена таким чином:

${\displaystyle f(x)=x^{+}=\max(0,x)}$,

де x вхідне значення нейрона. Вона є аналогом напівперіодичного випрямляча у схемотехніці. Ця передавальна функція була запроваджена для динамічних мереж Ганлозером (англ. Hahnloser) та іншими у 2000 році^[7] з біологічним підґрунтям та математичним обґрунтуванням.^[8] В 2011 році вперше було продемонстровано, як забезпечити краще навчання глибоких мереж,^[9] на відміну від передавальних функцій, які широко використовувались до цього, а саме, логістичною функцією (яка була запозичена з теорії ймовірностей; дивись логістична регресія) і виявились більш практичними^[10] ніж гіперболічний тангенс. ReLU є, станом на 2018, найбільш популярною передавальною функцією для глибоких нейронних мереж.^[11][12]

Гладке наближення ReLU є гладкою функцією

${\displaystyle f(x)=\log(1+\exp x),}$

яка називається softplus-функцією.^[13] Похідною softplus є ${\displaystyle f'(x)=\exp x/(1+\exp x)=1/(1+\exp(-x))}$, тобто логістична функція.

ReLU часто використовується при глибокому навчанні в задачах комп'ютерного зору^[9] та розпізнавання мовлення^[14][15].

До ReLU можна додати гауссів шум, що дає ReLU з шумом^[4]

${\displaystyle f(x)=\max(0,x+Y)}$, з ${\displaystyle Y\sim {\mathcal {N}}(0,\sigma (x))}$

ReLU з шумом успішно використовуються в задачах комп'ютерного зору в обмежених машинах Больцмана.^[4]

Нещільна ReLU використовує невеличкий додатній градієнт, коли передавач не активний.^[15]

${\displaystyle f(x)={\begin{cases}x,&{\mbox{якщо }}x>0\\0.01x,&{\mbox{інакше}}\end{cases}}}$

Параметрична ReLU узагальнює нещільну ReLU, а саме додається параметр нещільності, який навчається разом з іншими параметрами нейронної мережі.^[16]

${\displaystyle f(x)={\begin{cases}x,&{\mbox{якщо }}x>0\\ax,&{\mbox{інакше}}\end{cases}}}$

Зауважте, що для ${\displaystyle a\leqslant 1}$, це еквівалентно

${\displaystyle f(x)=\max(x,ax)}$

і тому таке відношення називають «максимальним виводом» (англ. maxout) мережі.^[16]

Експоненціально-лінійна ReLU робить середнє передавача ближчим до нуля, що прискорює навчання. Було показано, що ELU може отримати більш високу точність класифікації, ніж ReLU.^[17]

${\displaystyle f(x)={\begin{cases}x,&{\mbox{якщо }}x\geqslant 0\\a(e^{x}-1),&{\mbox{інакше}}\end{cases}}}$

${\displaystyle a}$ є гіперпараметром, який налаштовується і ${\displaystyle a\geqslant 0}$ — константа.

• Біологічна правдоподібність: Одностороння на відміну від центрально симетричного гіперболічного тангенса.
• Розріджена активація: наприклад, у випадково ініціалізованій мережі, тільки близько 50 % прихованих елементів активуються (мають не нульове значення).
• Краще градієнтне поширення: рідше виникає проблема зникання градієнту у порівнянні з сигмоїдальною передавальною функцією, яка може виникнути в обох напрямках.^[18]
• Швидкість обчислення: тільки порівняння, додавання та множення.
• Інваріантність відносно масштабування: ${\displaystyle \max(0,ax)=a\max(0,x)}$ для ${\displaystyle a\geqslant 0}$.

ReLU було використано для відокремлення специфічного збудження та неспецифічного інгібування у піраміді з нейронною абстракцією (англ. Neural Abstraction Pyramid), яка була навчена керовано, щоб вирішувати декілька завдань комп'ютерного зору.^[19] У 2011,^[9] ReLU використовували як елемент нелінійності з метою показати, можливість глибокого навчання нейронної мережі без попереднього некерованого навчання. ReLU, на відміну від сигмоїда та подібних передавальних функцій, дозволяє швидше та ефективніше навчання глибоких нейронних мереж на великих та складних наборах даних.

• Не регулярна у нулі: проте похідна існує в усіх інших точках, також можна на власний розсуд задати значення у нулі — 0 або 1.
• Несиметрична
• Необмежена
• Наявність мертвих зон: може трапитись так, що нейрони будуть переведені у стан, в якому вони стануть неактивними для всіх вхідних значень. Для такого стану відсутнє зворотне поширення градієнту, яке проходить через нейрон і тому в такому стані нейроном потрапляє у незмінний стан і «вмирає». Це один з різновидів проблеми зникання градієнту. В деяких випадках велика кількість нейронів мережі може застигнути у мертвому стані, і справити ефект зменшення місткості моделі. Така проблема зазвичай виникає коли встановлено дуже велику швидкість навчання. Цей ефект можна послабити, якщо натомість використати нещільну ReLU.

• Softmax
• Сигмоїда
• Swish функція
• Тобіт модель^[en]

В іншому мовному розділі є повніша стаття Rectifier (neural networks)(англ.). Ви можете допомогти, розширивши поточну статтю за допомогою перекладу з англійської. Дивитись автоперекладену версію статті з мови «англійська». Перекладач повинен розуміти, що відповідальність за кінцевий вміст статті у Вікіпедії несе саме автор редагувань. Онлайн-переклад надається лише як корисний інструмент перегляду вмісту зрозумілою мовою. Не використовуйте невичитаний і невідкоригований машинний переклад у статтях української Вікіпедії! Машинний переклад Google є корисною відправною точкою для перекладу, але перекладачам необхідно виправляти помилки та підтверджувати точність перекладу, а не просто скопіювати машинний переклад до української Вікіпедії. Не перекладайте текст, який видається недостовірним або неякісним. Якщо можливо, перевірте текст за посиланнями, поданими в іншомовній статті. Докладні рекомендації: див. Вікіпедія:Переклад.