基于典型样本的卷积神经网络技术

摘要：

针对传统卷积神经网络训练过程中,对于全量样本直接进行特征提取会带有过多非关键区分特征使得训练存在模型过拟合、训练收敛慢等问题,提出一种基于典型样本的卷积神经网络TSBCNN.通过部分典型样本生成强化因子指导修正CNN训练,在特征提取阶段更加注重关键区分特征部分,有目的地降低网络训练过程中对非关键特征的学习,有效提高网络训练效果.大量实验结果表明,TSBCNN较传统CNN网络收敛速度和分类准确率有所提高,在一定程度上有效减少过拟合.

关键词：卷积、典型样本、关键区分特征、强化因子、指导修正

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金联合基金项目;辽宁省教育厅科研基金项目;辽宁公共舆情与网络安全大数据系统工程实验室基金项目

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1113-1117