2nd/10_Wiki/Topics/AI_and_ML/Leaky-ReLU-and-Activations.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
DL-ACT-001	Unified	1.0	ai Deep-Learning|Deep-Learning activation-function leaky-relu relu neural-networks	2026-04-26

Leaky ReLU and Activations (Leaky ReLU와 활성화 함수)

📌 한 줄 통찰 (The Karpathy Summary)

"완벽한 차단(Zero)보다 미세한 가능성(Small Slope)을 남겨, 잠든 뉴런을 깨우고 학습의 흐름을 유지하라" — 음수 입력에 대해 0을 출력하는 ReLU의 한계를 극복하기 위해, 아주 작은 기울기를 허용하여 정보 손실을 막고 기울기 소실 문제를 완화하는 활성화 함수.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: "Non-linear Signal Gating" — 입력 신호에 비선형성을 부여하여 신경망이 복잡한 함수를 학습할 수 있게 하되, 학습 과정에서 특정 가중치가 업데이트되지 않는 'Dead Neuron' 현상을 방지하는 방어적 활성화 패턴.
• 주요 함수 비교:
  • ReLU: 단순하고 빠르지만 음수 영역에서 정보 유실(Dying ReLU).
  • Leaky ReLU: f(x) = \max(0.01x, x) 형태로 음수에서도 학습 가능.
  • ELU / SELU: 지수 함수를 사용하여 평균 활성화를 0에 가깝게 조절.
  • GELU: 가우시안 분포를 활용하여 트랜스포머 모델에서 주로 사용.
• 의의: 신경망이 층을 거듭하며 깊어질 때, 신호가 끊기지 않고 끝까지 전달되도록 하는 에너지 공급원 역할.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 단순한 ReLU가 최강이라는 믿음에서 벗어나, 최근의 초거대 모델(LLM)들은 부드러운 곡선 형태의 GELU나 Swish 계열의 함수를 사용하여 더 정교한 학습 성능을 확보함.
• 정책 변화: Antigravity 프로젝트는 커스텀 신경망 설계 시 기본 활성화 함수로 Leaky ReLU 또는 GELU를 사용하여 모델의 수렴 속도와 성능을 동시에 관리함.

🔗 지식 연결 (Graph)

• Deep-Learning-Foundations, Backpropagation-Foundations, Weight-Initialization-Strategies, Transformer-Architecture-Foundations
• Raw Source: 10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md