摘要
针对深度卷积神经网络中存在的过拟合问题,本文提出了一种确定性连接丢弃的正则化方法.核心思想是根据不同卷积滤波器权重对结果的贡献度不同,确定性丢弃卷积层层间连接,通过降低卷积滤波器权重的空间维度,使得卷积神经网络各层之间的连接更稀疏.通过将算法应用于图像分类任务来验证算法的性能,在MNIST、CIFAR-10和CIFAR-100数据集上,错误率分别为0.32％、5.33％、26.88％,相比于原始实验错误率分别降低0.15％、1.09％、1.36％.实验表明,本算法能够有效处理深度卷积神经网络的过拟合问题,并能提升网络的鲁棒性和泛化能力.
国家科技期刊平台
NSTL
维普
万方数据