期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
改进的Dropout正则化卷积神经网络 被引量:13
1
作者 满凤环 陈秀宏 何佳佳 《传感器与微系统》 CSCD 2018年第4期44-47,共4页
针对深度卷积神经网络(CNN)中出现的过度拟合的问题,给出了一种改进的结构,训练阶段采用Dropout正则化,测试阶段采用了模型平均方法且同时考虑了保留概率和池化区域内单元值所占概率。仿真实验表明:在MNIST手写数据库和CMU—PIE的部分... 针对深度卷积神经网络(CNN)中出现的过度拟合的问题,给出了一种改进的结构,训练阶段采用Dropout正则化,测试阶段采用了模型平均方法且同时考虑了保留概率和池化区域内单元值所占概率。仿真实验表明:在MNIST手写数据库和CMU—PIE的部分图像库中,相同迭代次数及CNN结构下新算法均优于其他方法,不仅能够得到更好的识别率而且更能防止过拟合的问题。 展开更多
关键词 深度学习 卷积神经网络 DROPOUT 图像识别 模型平均
下载PDF
一种基于模拟退火算法改进的卷积神经网络 被引量:4
2
作者 满凤环 陈秀宏 何佳佳 《微电子学与计算机》 CSCD 北大核心 2017年第9期58-62,共5页
卷积神经网络(CNN)是一种深度学习技术,其目标是构建一个接近人类的智能来执行任何知识的任务.使用基于交叉熵损失函数的模拟退火算法对dropout正则化,即有些单元值被抑制的CNN进行优化训练,而在测试阶段所使用的模型平均方法则同时考... 卷积神经网络(CNN)是一种深度学习技术,其目标是构建一个接近人类的智能来执行任何知识的任务.使用基于交叉熵损失函数的模拟退火算法对dropout正则化,即有些单元值被抑制的CNN进行优化训练,而在测试阶段所使用的模型平均方法则同时考虑了保留概率和池化区域内单元值所占概率.在MNIST手写数据库和CMU-PIE的部分图像库的实验结果表明,在同一CNN结构和相同迭代次数时,此方法均优于其他方法,不仅能够得到更好的识别率而且更能防止过拟合的问题. 展开更多
关键词 卷积神经网络 模拟退火算法 交叉熵 图像识别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部