10.3969/j.issn.1672-9331.2020.03.014
基于滑动平均与规则决策的卷积神经网络图像分类
卷积神经网络(CNN)及其变体模型应用于图像分类技术,因其大量的训练参数导致CNN模型训练过于复杂,增加了成本开销,也易产生梯度消失或梯度爆炸问题.为此,提出滑动平均和规则决策的卷积神经网络模型,并将其应用于图像分类中.将特征映射层与感知器网络(MLP)层结合,利用滑动平均对网络层之间的权重参数进行调整,并对预测目标采用置信度规则策略实现决策优化,提升模型的泛化性能.试验结果表明:滑动平均和规则决策的卷积神经网络模型具有更好的鲁棒性和分类效果.
图像分类、卷积神经网络、滑动平均、置信度决策、梯度下降、泛化性能
17
TP18(自动化基础理论)
国家自然科学基金资助项目;湖南省教育厅重点项目
2020-11-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
102-110