10.3969/j.issn.1006-2475.2017.08.014
基于余弦相似度的边界样本选择方法
卷积神经网络模型的训练通常需要大量的训练样本,导致训练时间过长.针对这一问题,本文提出一种基于余弦相似度的边界样本选择方法,选取边界样本构造训练集.通过该方法分别对MNIST,CIFAR10,SVHN数据集进行样本选择,利用卷积神经网络分类器进行实验研究.实验结果表明:该方法能够保留训练集中的典型样本,剔除冗余样本,从而减少训练样本的数量,缩短网络训练时间,提高网络学习效率.
深度学习、卷积神经网络、模式识别、边界数据、图像识别、样本选择
TP301.6(计算技术、计算机技术)
中国民航大学科研启动基金资助项目2010QD10X
2017-09-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
66-70