| 基于Dopout与ADAM优化器的改进CNN算法 |
| |
| 引用本文： | 杨观赐,杨静,李少波,胡建军.基于Dopout与ADAM优化器的改进CNN算法[J].华中科技大学学报(自然科学版),2018(7). |
| |
| 作者姓名： | 杨观赐 杨静 李少波 胡建军 |
| |
| 作者单位： | 贵州大学现代制造技术教育部重点实验室;美国南卡罗莱纳州大学计算机科学与工程系 |
| |
| 摘 要： | 在分析当前卷积神经网络模型特征提取过程中存在问题的基础上,提出了基于Dropout与ADAM优化器的改进卷积神经网络算法(MCNN-DA).设计了二次卷积神经网络结构,通过引入基于Re LU的激活函数以避免梯度消失问题,提高收敛速度;通过在全连接层和输出层之间加入Dropout层解决过拟合问题,并设计了ADAM优化器的最小化交叉熵.以MNIST和HCL2000数据集为测试数据,测试分析了ADAM优化器的不同学习率对算法性能的影响,得出当学习率处于0.04~0.08时,算法具有较好的识别性能.与三种算法的实验比较结果表明:本文算法的平均识别率最高可达99.21%;对于HCL2000测试集,本文算法的平均识别率比基于支持向量机优化的极速学习机算法提高了3.98%.
|
| 本文献已被 CNKI 等数据库收录！ |
|
