基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对卷积神经网络训练图像数据时,其学习到的卷积核是杂乱无章,没有规则的,提出了基于稀疏卷积核的卷积神经网络算法.该方法通过对平方误差代价函数加入稀疏约束项,在反向传播中修正卷积核时,使其学习到的部分卷积核近似于一阶微分梯度算子,即学习到的卷积核中部分值是0或者趋于0,可更好地来提取图像边缘特征.通过对手语图像数据及车牌图像数据进行训练的实验结果显示,其学习到的部分卷积核具有近似一阶微分的模板形式;并且相对经典卷积神经网络,该算法的识别正确率有所提高.
推荐文章
基于稀疏卷积神经网络的考生识别算法
考生识别
卷积神经网络
人脸识别
身份验证
多通道输入
方法比
基于并行卷积核交叉模块的卷积神经网络设计
卷积神经网络
网络改进
卷积核
图像分类
特征提取
结果分析
稀疏卷积神经网络加速器设计
稀疏卷积神经网络
阵列运算
加速器
高能效比
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏卷积核的卷积神经网络研究及其应用
来源期刊 信息技术 学科 工学
关键词 深度学习 卷积神经网络 卷积核 稀疏约束 梯度算子
年,卷(期) 2017,(10) 所属期刊栏目 基金项目
研究方向 页码范围 5-9
页数 5页 分类号 TP391.41
字数 4180字 语种 中文
DOI 10.13274/j.cnki.hdzj.2017.10.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘向阳 河海大学理学院 16 50 4.0 7.0
2 叶会娟 河海大学理学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (13)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (0)
1962(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(5)
  • 参考文献(0)
  • 二级参考文献(5)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
卷积神经网络
卷积核
稀疏约束
梯度算子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导