En las redes neuronales, un componente vital en el proceso de aprendizaje e inferencia es la función de activación. Existen muchos enfoques diferentes, pero solo las funciones de activación no lineales permiten que tales redes resuelvan problemas no triviales utilizando solo un pequeño número de nodos, y estas funciones de activación se llaman no linealidades. Con la aparición del aprendizaje profundo, ha surgido la necesidad de funciones de activación competentes que puedan habilitar o acelerar el aprendizaje en capas más profundas. En este artículo, proponemos una nueva función de activación, combinando muchas características de funciones de activación exitosas, logrando un 2.53% más de precisión que el estándar de la industria ReLU en una variedad de casos de prueba.