Scaled Exponential Linear Unit (SELU)
Definition
SELU unterstützt neuronale Netze dabei, stabile Wertebereiche zwischen ihren Schichten aufrechtzuerhalten.
Eine Aktivierungsfunktion, deren Parameter unter bestimmten Architektur- und Initialisierungsbedingungen selbstnormalisierende Netze begünstigen.
Einfach erklärt
Wie ein eingebauter Ausgleich hält SELU die weitergegebenen Zahlen unter passenden Bedingungen in einem günstigen Bereich.
Warum das im Alltag wichtig ist
Der Begriff hilft, KI-Systeme fundiert auszuwählen, zu entwickeln, zu bewerten und ihre technischen Risiken realistisch einzuordnen.
Beispiel aus dem Mittelstand
Ein vollständig verbundenes Netz nutzt SELU mit LeCun-Normalinitialisierung und AlphaDropout.
Grenzen und Fallstricke
- Selbstnormalisierung unabhängig von Voraussetzungen versprechen oder normales Dropout unverändert kombinieren.
Entstehung & Geschichte
Klambauer und Mitautor:innen veröffentlichten SELU 2017.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein vollständig verbundenes Netz nutzt SELU mit LeCun-Normalinitialisierung und AlphaDropout.
Häufige Fragen
Was bedeutet Scaled Exponential Linear Unit (SELU)?
Eine Aktivierungsfunktion, deren Parameter unter bestimmten Architektur- und Initialisierungsbedingungen selbstnormalisierende Netze begünstigen. Welche Fehler sollte man vermeiden? Selbstnormalisierung unabhängig von Voraussetzungen versprechen oder normales Dropout unverändert kombinieren.
Quellen
Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse.
Redaktionell geprüft am: