[發明專利]一種基于深度學習的激活函數裝置及其使用方法

在審

• 申請號: 202011275927.8
• 申請日: 2020-11-13
• 公開（公告）號: CN112256094A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 杜志堯
• 申請（專利權）人: 廣東博通科技服務有限公司
• 主分類號: G06F1/16
• 分類號: G06F1/16;G06F1/18;G06F1/20;F16F15/08;F16M11/42
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 葉萬里

本發明涉及激活函數技術領域，尤其為一種基于深度學習的激活函數裝置及其使用方法，包括顯示設備和輸入設備，所述顯示設備下端面固定連接有主機，所述主機下端面與移動機構固定連接，所述移動機構包括底座和轉動電機，所述底座上端面與主機固定連接，所述底座內部固定連接有轉動電機，所述轉動電機主軸末端固定連接有螺紋桿；本發明中，通過設置的伸縮彈簧、轉動把手和限位塊，使用時，向前側拉動轉動把手，直接通過將傳輸線拉出，即可帶動收線輪轉動，當其插頭連接后，松開轉動把手，限位塊與收線輪卡合實現固定作用，當其使用完成后，將其插頭拔出，拉動轉動把手，在發條彈簧的作用下，其自動復位，保證其收納起來，節省空間，不易丟失。

技術領域

本發明涉及激活函數技術領域，具體為一種基于深度學習的激活函數裝置及其使用方法。

背景技術

激活函數對于人工神經網絡模型去學習、理解非常復雜和非線性的函數來說具有十分重要的作用，它們將非線性特性引入到我們的網絡中，在神經元中，輸入的inputs通過加權，求和后，還被作用了一個函數，這個函數就是激活函數，引入激活函數是為了增加神經網絡模型的非線性，沒有激活函數的每層都相當于矩陣相乘，就算你疊加了若干層之后，無非還是個矩陣相乘罷了。

所謂激活函數，就是在人工神經網絡的神經元上運行的函數，負責將神經元的輸入映射到輸出端，目前市場上存在的大部分激活函數設備，其一般呈多端口設置，根據實際情況通過傳輸線進行連接工作，而現有的連接方式十分松散，一些用不到的傳輸線無法及時收取，容易丟失，因此，針對上述問題提出一種基于深度學習的激活函數裝置及其使用方法。

發明內容

本發明的目的在于提供一種基于深度學習的激活函數裝置及其使用方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

一種基于深度學習的激活函數裝置及其使用方法，包括顯示設備和輸入設備，所述顯示設備下端面固定連接有主機，所述主機下端面與移動機構固定連接，所述移動機構包括底座和轉動電機，所述底座上端面與主機固定連接，所述底座內部固定連接有轉動電機，所述轉動電機主軸末端固定連接有螺紋桿，所述螺紋桿外側螺旋連接有螺紋套，所述螺紋套下端面固定連接有頂板，所述頂板下端面固定連接有呈左右分布的滑動板，所述滑動板下端面滑動連接有車輪，所述顯示設備前側設有輸入設備，所述主機右側設有傳輸設備，所述傳輸設備右側設有外接設備，所述傳輸設備下端面和外接設備下端面均與主機固定連接，所述主機右側固定連接有冷卻設備，所述冷卻設備包括冷卻箱和風機，所述冷卻箱外側與主機固定連接，所述冷卻箱右側下方固定連接有右單元過濾網，所述右單元過濾網左側設有風機，所述風機下端面與冷卻箱固定連接，所述風機左側設有進風管，所述進風管左側固定連接有冷卻管，所述冷卻管外側均固定連接有水箱，所述水箱上端面與冷卻箱固定連接，所述水箱左側設有左單元過濾網，所述左單元過濾網外側與冷卻箱固定連接，所述外接設備左側固定連接有均勻分布的連接機構，所述連接機構包括固定框和收線輪，所述固定框右側與外接設備固定連接，所述固定框內部均轉動連接有收線輪，所述收線輪外側均設有傳輸線，所述傳輸線另一端均固定連接有插頭，所述固定框前側轉動連接有轉動把手，所述轉動把手后側均固定連接有限位桿，所述限位桿后側均固定連接有限位塊，所述連接機構左側與傳輸設備卡合。

優選的，所述螺紋套左右兩側均設有導向桿，所述導向桿外側與頂板滑動連接，所述頂板上端面與底座固定連接。

優選的，所述滑動板外側均設有減震彈簧，所述減震彈簧上端面均與頂板固定連接，所述減震彈簧下端面均與車輪固定連接。

優選的，所述車輪上端面左右兩側均固定連接有橡膠塊，所述車輪數量為四個，且車輪關于底座中心呈左右兩兩對稱設置。

優選的，所述收線輪后方外側均設有發條彈簧，所述發條彈簧一端均與固定框固定連接，所述發條彈簧另一端均與收線輪固定連接。