基于改进激活函数的用于台风等级分类的深度学习模型

摘要：

针对特定任务中深度学习模型的激活函数不易选取的问题,在分析传统激活函数和现阶段运用比较广泛的激活函数的优缺点的基础上,将Tanh激活函数与广泛使用的ReLU激活函数相结合,构造了一种能够弥补 Tanh函数和ReLU函数缺点的激活函数T-ReLU .通过构建台风等级分类的深度学习模型Typ-CNNs ,将日本气象厅发布的台风卫星云图作为自建样本数据集,采用几种不同的激活函数进行对比实验,结果显示使用T-ReLU函数得到的台风等级分类的测试精度比使用ReLU激活函数的测试精度高出1 .124%,比使用Tanh函数的测试精度高出2 .102%;为了进一步验证结果的可靠性,采用 M NIST 通用数据集进行激活函数的对比实验,最终使用 T-ReLU 函数得到99 .855% 的训练精度和98 .620% 的测试精度,其优于其他激活函数的效果.

关键词：深度学习、卷积神经网络、激活函数、台风等级、MNIST数据集

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目:基于多模态深度学习的弱特征多源海洋遥感影像协同分类模型研究41671431;上海市科委地方院校能力建设项目:基于海洋视频时空交叉分析的近岸灾害性海浪预测研究及其应用17050501900

在线出版日期：2019-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：177-181,205