基于PSO的CNN算法的改进

• 作者: 裴子龙 邢进生
• 来源期刊: 山西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 粒子群算法 人脸性别识别
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 22-26
• 页数: 5页
• 分类号: TP389.1
• 字数: 3190字
• 语种: 中文

摘要

针对卷积神经网络(CNN)算法收敛速度慢的问题,本文采用粒子群算法(PSO),将CNN的训练参数和误差函数分别作为PSO的粒子和适应度函数,对CNN的误差反传阶段进行改进.通过对AR人脸数据库性别识别的实验仿真,验证了改进的算法收敛速度快并且识别精度高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢进生	山西师范大学数学与计算机科学学院	19	34	4.0	5.0
2	裴子龙	山西师范大学数学与计算机科学学院	2	6	1.0	2.0