PSdropout卷积神经网络在危化品巡检车中的应用
危化品仓储环境复杂多变,基于卷积神经网络的视觉巡检车需要快速的训练方法以便适用不同的环境,提高卷积神经网络的训练速度是当前亟待解决的问题.迅速在网络中提取有效的神经元,是提高算法训练速度的关键.传统的算法中,全链接层神经元的去留问题通常采用基于伯努力分布假设的Dropout方法,本文提出一种基于泊松分布的Dropout方法.理论上看,在充分利用神经元历史行为的基础上,基于泊松分布与基于伯努力分布的最大似然函数类似.实验结果表明,在保持正确率的情况下,训练提前收敛,节约了训练时间.
危化品仓储、巡检车、卷积神经网络、神经元筛选、泊松分布、子网络、全链接层、网络架构
15
TP391.4;TQ086.5(计算技术、计算机技术)
国家重点研发计划项目子项目2016YFC0801500
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
1131-1139