10.16798/j.issn.1003-0530.2019.12.014
核卷积神经网络研究与应用
利用核函数非线性映射的优势,结合卷积神经网络算法,提出一种基于核卷积神经网络(Kemel-Convolutional Neural Network,Kemel-CNN)的新的网络学习模型.该方法首先对数据预处理,其次利用核卷积神经网络对数据进行特征提取,最后,构建softmax分类器对数据进行分类.本网络将非线性映射引入卷积过程构成核卷积过程,通过核卷积过程进一步增强模型的特征提取能力,在MNIST手写数字库以及美国麻省理工学院提供的MIT-BIH心律失常数据库上实验验证,本文模型正确率分别为98.5%、97%,均较好于卷积神经网络和支持向量机,且本文模型具有较小的LOSS值.
核函数、非线性映射、卷积神经网络、支持向量机
35
TP183(自动化基础理论)
陕西省教育厅科研计划项目资助;陕西省重点研发计划资助项目;西安市科技计划项目
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
2055-2061