要約
本稿では、MNISTおよびCIFAR-10データセットを用いた実験を通じて、独自に設計した活性化関数「アナログ活性化関数（The Analog Activation Function, TAAF）」の性能を評価した結果を報告する。TAAFは、特異な数学的定式化を活用することでニューラルネットワークの性能を向上させる目的で開発された新規な活性化関数である。本研究では、畳み込みニューラルネットワーク（CNN）アーキテクチャ上においてTAAFを評価し、MNISTでは標準的な活性化関数、CIFAR-10ではELU（Exponential Linear Unit）とその性能を比較した。その結果、TAAFはMNISTデータセットにおいて99.39%のテスト精度を達成し、標準的な活性化関数をわずかに上回った。また、CIFAR-10では79.37%のテスト精度を記録し、同アーキテクチャ下でのELUの72.06%を大きく上回った。この結果は、TAAFがより優れた汎化能力を有している可能性を示唆している。本研究により、TAAFが異なる画像分類タスクにおいて堅牢な性能基準を確立したことが明らかになった。