1 引言

在前面的文章中已经介绍了介绍了一系列激活函数 (Sigmoid、Tanh、ReLU、Leaky ReLU、PReLU、Swish、ELU、SELU、GELU、Softmax、Softplus、Mish、Maxout、HardSigmoid、HardTanh、Hardswish、HardShrink、SoftShrink、TanhShrink、RReLU、CELU、ReLU6、GLU、SwiGLU、GTU、Bilinear、ReGLU、GEGLU、Softmin、Softmax2d、Logsoftmax、Identity、LogSigmoid、Bent Identity、Absolute、Bipolar、Bipolar Sigmoid、Sinusoid、Cosine、Arcsinh、Arccosh、Arctanh、LeCun Tanh、TanhExp、Gaussian 、GCU、ASU、SQU、NCU、DSU、SSU、SReLU、BReLU、PELU、Phish、RBF、SQ-RBF、ISRU、ISRLU、SQNL、PLU、APL、Inverse Cubic、Soft Exponential、ParametricLinear、Piecewise Linear Unit、CLL、SquaredReLU、ModReLU、CosReLU、SinReLU、Probit、Smish、Multiquadratic、InvMultiquadratic、PSmish、ESwish、CoLU、ShiftedSoftPlus、Logit、Softsign、ELiSH、Hard ELiSH、Serf、FReLU)。在这篇文章中，会接着上文提到的众多激活函数继续进行介绍，给大家带来更多不常见的激活函数的介绍。这里放一张激活函数的机理图：

2 激活函数

2.1 QReLU激活函数

论文链接：Parisi, Luca, Daniel Neagu, Renfei Ma, and Felician Campean. “QReLU and m-QReLU: Two novel quantum activation functions to aid medical diagnostics.” arXiv preprint arXiv:2010.08031 (2020).

QReLU（Quantum ReLU ）激活函数以定量的方式消除“死亡ReLU”的问题，即通过在以前的解为负的地方实现正解。作者通过将量子方法和量子纠缠原理应用于ReLU和Leaky ReLU，最终得到了该激活函数。其数学表达式和数学图像分别如下所示：
$$QReLU(x)=\{\begin{array}{ll}x,& \text{if }x>0\\ 0.01\cdot x(x-2),& \text{if }x\le 0\end{array}$$

优点：

• 高泛化性：使用QReLU或m-QReLU可以在cnn和任何cnn衍生模型(如AlexNet、ResNet、DenseNet、CondenseNet、cCondensenet和VGG 16)中消除对多个卷积层的需求
• 更少的超参数优化：利用QReLU或m-QReLU作为CNN中的激活函数可以最大限度地减少对CNN超参数优化的需求

缺点：

• 高计算复杂度：QReLU或m-QReLU的总体计算成本更高

该函数现在几乎没有使用。。。。

2.2 m-QReLU激活函数

论文链接：Parisi, Luca, Daniel Neagu, Renfei Ma, and Felician Campean. “QReLU and m-QReLU: Two novel quantum activation functions to aid medical diagnostics.” arXiv preprint arXiv:2010.08031 (2020).

m-QReLU（modified-QReLU）激活函数是利用量子叠加原理对QReLU的正负解进行叠加得到的。其数学表达式和数学图像分别如下所示：
$$m-QReLU(x)=\{\begin{array}{ll}x,& \text{if }x>0\\ 0.01\cdot x-x,& \text{if }x\le 0\end{array}$$

优缺点同上，该函数现在几乎没有使用。。。。

3. 总结

到此，使用 激活函数总结（三十三） 已经介绍完毕了！！！ 如果有什么疑问欢迎在评论区提出，对于共性问题可能会后续添加到文章介绍中。如果存在没有提及的激活函数也可以在评论区提出，后续会对其进行添加！！！！

如果觉得这篇文章对你有用，记得点赞、收藏并分享给你的小伙伴们哦😄。