自适应深度卷积神经网络模型构建方法

邹国锋¹, 傅桂霞¹, 王科俊², 高明亮¹, 申晋¹

1. 山东理工大学 电气与电子工程学院, 山东 淄博 255049;
2. 哈尔滨工程大学 自动化学院, 哈尔滨 150001

收稿日期:2017-03-19出版日期:2017-08-28发布日期:2017-07-10

作者简介:邹国锋(1984-),男,讲师,E-mail:zgf841122@163.com.
基金资助:山东省自然科研基金项目（ZR2015FL029，ZR2016FL14）；国家自然科学基金项目（61601266）；中国博士后科学基金项目（2017M612306）

Construction Method of Adaptive Deep Convolutional Neural Network Model

ZOU Guo-feng¹, FU Gui-xia¹, WANG Ke-jun², GAO Ming-liang¹, SHEN Jin¹

1. College of Electrical and Electronic Engineering, Shandong University of Technology, Shandong Zibo 255049, China;
2. College of Automation, Harbin Engineering University, Harbin 150001, China

Received:2017-03-19Online:2017-08-28Published:2017-07-10

摘要/Abstract

摘要： 针对传统卷积神经网络（CNN）模型构建过度依赖经验知识、参数多、训练难度大等缺点，同时鉴于复杂多类问题的CNN模型构建策略的重要价值，提出一种自适应深度CNN模型构建方法.首先，将初始网络模型的卷积层和池化层设置为仅含一幅特征图；然后，以网络收敛速度为评价指标，对网络进行全局扩展，全局扩展后，根据交叉验证样本识别率控制网络展开局部扩展，直到识别率达到预设期望值后停止局部网络学习；最后，针对新增训练样本，通过拓展新支路实现网络结构的自适应增量学习.通过图像识别实验验证了所提算法在网络训练时间和识别效果上的优越性.
中图分类号:
TP391.41

引用本文

邹国锋, 傅桂霞, 王科俊, 高明亮, 申晋. 自适应深度卷积神经网络模型构建方法[J]. 北京邮电大学学报, 2017, 40(4): 98-103.
ZOU Guo-feng, FU Gui-xia, WANG Ke-jun, GAO Ming-liang, SHEN Jin. Construction Method of Adaptive Deep Convolutional Neural Network Model[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(4): 98-103.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3054