作者:胡德敏; 程普芳图像分类卷积神经网络批量归一化池化层卷积核随机梯度下降法
摘要:针对卷积神经网络中存在的学习效率低、收敛速度慢、训练时间长等问题,文中提出一种改进的LeNet卷积神经网络模型。该模型使用卷积核大小为3,步幅为2的卷积层代替原有的池化层,并在每层激活函数之前添加批量归一化层。在Mnist和Cifar-10数据集上放入实验证明,相比于传统的LeNet网络,所提出的卷积神经网络提高了分类准确率,并且具有更快的收敛速度及更短的训练时间。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社