基于改进激活函数的卷积神经网络研究

• 作者: 曲之琳 胡晓飞
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 人工智能 激活函数
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 77-80
• 页数: 4页
• 分类号: TP301
• 字数: 3481字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.12.017

摘要

卷积神经网络是对于人脑的高度抽象,它是深度学习的重要组成部分.对于卷积神经网络的研究,一方面有助于更准确地进行图像的分类与识别,另一方面,有助于人类更真实地模拟人脑,为人工智能的发展指明了方向.分析比较了Sigmoid、Tanh、ReLu、Softplus4种激活函数的优缺点.结合ReLu和Softplus两种激活函数的优点,设计并构造了一种分段激活函数.最后,基于Theano框架和这5种激活函数,分别构建了5种卷积神经网络,并对Cifar-10数据集进行了分类识别.实验结果表明,基于改进后的激活函数所构造的卷积神经网络,不仅收敛速度更快,而且可以更加有效地提高分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡晓飞	南京邮电大学通信与信息工程学院	25	77	5.0	7.0
2	曲之琳	南京邮电大学通信与信息工程学院	1	0	0.0	0.0