面向深度卷积神经网络的确定性连接丢弃算法

摘要：

针对深度卷积神经网络中存在的过拟合问题,本文提出了一种确定性连接丢弃的正则化方法.核心思想是根据不同卷积滤波器权重对结果的贡献度不同,确定性丢弃卷积层层间连接,通过降低卷积滤波器权重的空间维度,使得卷积神经网络各层之间的连接更稀疏.通过将算法应用于图像分类任务来验证算法的性能,在MNIST、CIFAR-10和CIFAR-100数据集上,错误率分别为0.32％、5.33％、26.88％,相比于原始实验错误率分别降低0.15％、1.09％、1.36％.实验表明,本算法能够有效处理深度卷积神经网络的过拟合问题,并能提升网络的鲁棒性和泛化能力.

关键词：深度学习、卷积神经网络、正则化、连接丢弃

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61472274

在线出版日期：2020-04-22（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：32-37