10.3969/j.issn.1671-7449.2019.02.006
卷积神经网络中激活函数的一种改进
卷积神经网络中激活函数的作用是激活神经元的特征,然后保留并映射出来,这是人工神经网络能模拟人脑机制,解决非线性问题的关键.针对传统卷积神经网络出现的震荡、不收敛甚至过拟合的情况,对激活ReLU函数进行优化.提出一种新型矫正激活函数,称其为ReLU阈值函数.通过对数据集caltech1 01和caltech256进行训练,证明其在图片分类上的性能要优于ReLU函数.其中用Alexnet网络模型对caltech101数据集进行训练时的分类准确率由之前的97.7%提高到99.3%,对caltech256数据集进行训练时的分类准确率由之前的65.4%提高到92.3%.
卷积神经网络、激活函数、ReLU、PReLU
33
TP311.1(计算技术、计算机技术)
山西省基础研究资助项目201601D102033,201801D121118
2019-06-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
121-125