基于非线性修正函数的卷积神经网络图像识别研究 |
| |
引用本文: | 余 萍,赵继生,张 洁.基于非线性修正函数的卷积神经网络图像识别研究[J].科学技术与工程,2015,15(34). |
| |
作者姓名: | 余 萍 赵继生 张 洁 |
| |
作者单位: | 华北电力大学电子与通信工程系,华北电力大学电子与通信工程系,鞍山师范学院物理科学与技术学院 |
| |
摘 要: | 为了解决深度学习中使用线性修正函数Re LUs对于模型的表达能力欠缺,而柔性光滑函数Softplus无稀疏表达能力的问题。基于Re LUs和Softplus函数各自的优点,将Re LUs函数的稀疏表达能力和Softplus函数的光滑特性结合起来,提出一种使用非线性修正函数作为神经元激励的方法。分析了不同激活函数的性能,并且用卷积神经网络在MNIST和CIFAR-10标准数据库上进行图像分类识别实验。实验结果表明,使用非线性修正激活函数,不仅可以加快网络收敛速度,也可以提高识别准确率;同时还不依赖于池化方法的选择。
|
关 键 词: | 深度学习 卷积神经网络 模式识别 非线性修正函数 |
收稿时间: | 2015/8/14 0:00:00 |
修稿时间: | 2015/11/19 0:00:00 |
Image Recognition of Convolutional Neural Networks Based on Rectified Nonlinear Units Function |
| |
Abstract: | |
| |
Keywords: | deep learning convolutional neural networks pattern recognition rectified nonlinear units function |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|