본 논문은 비선형 활성화와 선형 변환을 단일 훈련 가능한 표현식으로 통합하는 새로운 통합 신경 계산 유닛인 APTx Neuron을 제안합니다. APTx Neuron은 APTx 활성화 함수에서 파생되어 별도의 활성화 레이어가 필요하지 않으며, 계산 효율성과 아키텍처의 간결성을 향상시킵니다. 제안된 뉴런은 $y = \sum_{i=1}^{n} ((\alpha_i + \tanh(\beta_i x_i)) \cdot \gamma_i x_i) + \delta$ 형태를 가지며, 여기서 모든 매개변수 $\alpha_i$, $\beta_i$, $\gamma_i$, 및 $\delta$는 훈련 가능합니다. MNIST 데이터셋에서 APTx Neuron 기반 아키텍처를 검증하여 약 332K개의 훈련 가능한 매개변수를 사용하여 11 에포크 내에 최대 $96.69$의 테스트 정확도를 달성했습니다. 이 결과는 기존 뉴런에 비해 APTx Neuron의 우수한 표현력과 계산 효율성을 강조하며, 통합 뉴런 설계 및 이를 기반으로 구축된 아키텍처의 새로운 패러다임을 제시합니다.
