雙曲正切函數（tanh）將任意實數映射到區間（-1, 1），呈現平滑的S形曲線。這個特性使其在神經網路中作為激活函數時，能引入非線性且保持輸出有界；在音訊信號處理中，則提供自然的軟削波效果，適用於飽和與失真效果。無論在神經網路推論中每次前向傳遞需計算數百萬次tanh，或音訊處理需在44.1 kHz以上的取樣率下即時運算，速度都是關鍵。標準函式庫的精確實作計算量較大，因此本文調查多種tanh近似方法，包括傳統的多項式方法如泰勒級數、Padé近似與樣條函數，以及利用IEEE-754浮點數表示法的位元操作技巧，達成高速度且計算量低的近似。

首先介紹幾種常見的快速近似方法：

§ 泰勒級數

泰勒級數是利用函數的連續導數展開成無限多項式和的形式，取前幾項即可得到粗略近似。以下為Rust語言實作的tanh近似函數，當輸入絕對值大於1.365時直接回傳符號值1，以避免多項式尾端偏差過大。

§ Padé近似

Padé近似是兩個多項式的比值，通常比泰勒多項式更精確，但需多次乘法與除法運算。以下為JUCE函式庫FastMathApproximations中tanh的[7/6] Padé近似Rust版本，適用於輸入範圍-5到5。

§ 樣條函數

樣條函數將函數區間分割成多段，對每段使用三次多項式近似。本文引用一篇研究神經網路傳遞函數中tanh近似的論文，該論文以速度為優先，精度次之。範例中將[0,18]區間分為三段，分別使用三次多項式近似。

§ 利用浮點格式近似

IEEE-754浮點數由符號、指數與尾數組成，可用來設計快速近似演算法。K-TanH演算法利用整數運算與512位元查找表，透過指數與尾數的部分位元組合索引查表，快速計算tanh。查找表的參數透過離線優化計算得出，適合硬體實作與SIMD指令加速。

§ Schraudolph演算法

1999年Schraudolph提出一種利用浮點數位元表示近似指數函數的技巧，類似Quake III Arena的快速反平方根技巧。此方法將浮點數位元當作整數操作，利用指數欄位近似對數，快速計算指數函數。將此方法應用於tanh，可透過指數函數定義近似tanh。

§ Schraudolph-NG改良版

2018年Schraudolph提出改良版，透過分子與分母使用相同的分段線性近似並利用指數函數的恆等式，達成誤差抵銷，提升精度。此方法在ARM NEON架構下亦有優化實作。

本文最後提供多種近似方法的誤差比較圖，展示各方法在不同輸入範圍的最大與平均誤差，為選擇適合應用的tanh近似方法提供參考。