Адаптивная нейронная активация в верхнем слое через Параметрические функции Tangh

arXiv:2610.34154v1 Annualce Type: New Humbrie: В рамках более широкого ландшафта искусственных интеллектовых архитектур в настоящем документе предлагается компактная, центрально ориентированная на края нейронная система, которая устраняет вычислительные узкие места современных реберно-активированных парадигм, таких как Kolmogorow-Arnold Networks (KANs), сохраняя при этом свою экспрессивность по отношению к традиционным мультилайерным перцестронам (MLP). В то время как KAN демонстрируют замечательную репрезентативность, помещая обучаемые неизученные функции на соединительные края, а не скрытые узлы, их зависимость от неместных линий B создает серьезные препятствия для оптимизации, высокие накладные расходы памяти и плохое масштабирование аппаратного оборудования. Для преодоления этого пробела мы предлагаем Параметрическую функцию связи Tanh, гладкую и ограниченную архитектурную примитивную функцию, определяемую как a_ {\tanta}(x;\delta,\alpha,#beta,\gamma) = * delta + lalpa inthanh (~ beta x+ gamma/$). Этот состав позволяет устранить смещение, амплитуду, местный уклон и горизонтальное перемещение в легкой 4-параметрной дифференциальностиb