本研究提出了一种可训练的混合激活函数方案Adaptive Blending Units（ABUs），能够自适应调整比例，从而提升深度学习模型的训练效率。同时介绍了Padé激活单元和TaLU激活函数，分别提高了预测性能和分类准确度。研究表明，GELU激活函数在多个数据集上表现优越，并通过对400种激活函数的调查，更新了对激活函数的理解，解决了选择复杂性问题。