卷积神经网络优化算法研究

• 作者: 叶瑰昀 姜艳秋 宁珊
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 分数阶理论 音频识别 Sigmoid函数
• 年，卷（期）: 2016,（2）
• 页码范围: 27-29,37
• 页数: 4页
• 分类号: TP242.6
• 字数: 2025字
• 语种: 中文

摘要

为了解决卷积神经网络结构复杂,样本训练神经网络时间过长的问题,本文提出了采用分数阶理论优化卷积神经网络中的节点函数,使Sigmoid函数的收敛速度加快,在不影响卷积神经网络进行音频识别的正确率的前提下,减少了训练所需时间,达到提高整个神经网络的训练效率的目的.实验结果表明,在保证正确率的前提下该方法有效的减少了训练所花的时间,并可广泛应用于虚拟人运动控制系统中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶瑰昀	黑龙江科技大学电气与控制工程学院	6	33	3.0	5.0
2	姜艳秋	黑龙江科技大学电气与控制工程学院	19	29	3.0	3.0
3	宁珊	黑龙江科技大学电气与控制工程学院	1	4	1.0	1.0