卷积神经网络中减少训练样本时间方法研究
深度学习在人工智能尤其是在图像处理,图像分类方面的应用越来越广泛.其中卷积神经网络在其中具有重要地位.本文的主要目的为探究通过调整在网络中卷积过程所使用的滤波器大小,在保证分类结果准确率可接受情况下,尽量减少样本的训练时间,并总结出一套较为通用的滤波器大小设置规则.在文章中,通过对theano中基于lenet模型所构造的卷积神经网络的两层卷积层中的滤波器大小进行不同搭配的设置,测试数据集为广泛使用的mnist手写数字库以及cifar_10库,最后对比探究出适用于这两个数据集的减少训练时间的设置规律.
卷积神经网络、深度学习、图像处理、训练时间
12
TP18(自动化基础理论)
2017-02-15（万方平台首次上网日期，不代表论文的发表时间）
共4页
167-170
