期刊文献+

深度迁移学习中两种反向传播方法的比较

下载PDF
导出
摘要 深度迁移学习是将迁移学习技术应用到深度学习中的一种针对样本数据量不足的训练方法。作为仅有少量样本数据的有效学习方法,深度迁移学习有冻结和微调两种不同的反向传播方法。本文针对这两种不同的方法,比较了它们在不同深度层次的不同网络参数设置下的深度学习效果。
作者 孙书宁
出处 《电子制作》 2019年第2期67-68,50,共3页 Practical Electronics
  • 相关文献

参考文献3

二级参考文献19

  • 1黄国建,王建华,芦国强.提高人工神经网络BP算法收敛速度的几种方法[J].华东船舶工业学院学报,1994,8(2):23-29. 被引量:21
  • 2漆为民,程远楚,姬巧玲,蔡维由.PID型Elman网络及在动态系统辨识中的应用研究[J].控制与决策,2005,20(10):1197-1200. 被引量:11
  • 3伊廷华,李宏男,王国新.基于小波变换的结构模态参数识别[J].振动工程学报,2006,19(1):51-56. 被引量:34
  • 4FredricMH,IvicaK.神经计算原理[M].叶世伟译.北京:机械工业出版社,2007.
  • 5[1]殷勤业,杨宗凯,等.模式识别与神经网络[M].北京:工业出版社,2000.
  • 6[5]Rumelhart D E, Hinton G E, Williams R J. Learning internal representations by error propagation [A]. In Parallel Distributed Processing: Explorations in the Microstructure of Cognitin[C]. MIT press. Cambridge. Massachusetts. 1999. 1: 318-362.
  • 7Le T P, Argoul P. Continuous wavelet transform for modal identification using free decay response[J]. Journal of Sound and Vibration, 2004,277(1-2): 73- 100.
  • 8Bohezar M,Slavic J. Enhancements to the continuous wavelet transform for damping identifications on short signals [ J ]. Mechanical Systems and Signal Processing, 2004, 18 (5) : 1065 - 1076.
  • 9Kijewski T, Kareem A. Wavelet transforms for system identification in civil engineering [ J ]. Computer-Aided Civil and Infrastructure Engineering, 2003, 18 (5) : 339 - 355.
  • 10Yan B F, Miyamoto A, Bruhwiler E. Wavelet transform-based modal parameter identification considering uncertainty [ J ] Journal of Sound and Vibration, 2006, 291 (1 - 2): 285 - 301.

共引文献20

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部