激活函数在CNN模型中改进算法的研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：CNN,即卷积神经网络算法,是深度学习研究领域的重要分支,尤其是在图像识别领域,其已成为最为热门的研究对象.文章以图像识别为研究基础,先阐述卷积神经网络在图像识别中的进展,然后研究深度学习图像目标识别的传统算法,并在目标定位、特征提取、分类方法等方面与传统的目标识别算法进行了比较.在以上研究基础上,提出了一种新的卷积神经网络压缩激活函数模型,通过改进的CNN模型对卷积神经网络的结构进行了部分优化.实验验证了该模型的有效性,不仅降低了错误率,还大大减少了网络参数的数量,具有更强的学习能力.

外文标题：EXPLORATION OF IMPROVE THE ACTIVATION FUNCTION IN CONVOLUTIONAL NEURAL NETWORKS

作者：

王金娟

展开 >

作者单位：

湖南涉外经济学院,长沙 410205

关键词：

深度学习卷积神经网络激活函数算法改进

基金：

2022年度湖南省教育厅科学研究项目湖南省教育厅本科教学工程项目

项目编号：

22C0655湘教通20209号363

出版年：

2024

大数据时代

ISSN：

年,卷(期)：2024.(6)