卷积网络样本数和迭代数与识别结果关系研究

• 作者: 周粉粉 孟含 符朝兴 高述勇
• 来源期刊: 青岛大学学报（工程技术版）
• 学科: 工学
• 关键词: 卷积神经网络 识别率 样本数目 迭代次数
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 自动化与计算机技术
• 页码范围: 51-54
• 页数: 4页
• 分类号: TP183|TP391.413
• 字数: 2012字
• 语种: 中文
• DOI: 10.13306/j.1006-9798.2018.01.010

摘要

针对训练样本数量和迭代次数对卷积神经网络识别率的影响,本文以经典IeNet卷积神经网络为研究对象,以Mnist样本集为样本,利用Matlab软件研究了样本数量和迭代次数与网络识别率的关系.通过调整训练样本数量和迭代次数,对比不同训练结果对网络错误率的影响,得出在迭代次数、学习率及批数据大小不变的情况下,训练样本数目对网络识别错误率的影响存在阈值,当训练样本数目大于阈值时,样本数目增加,错误率降低很小;在训练样本数目、学习率及批数据大小不变的情况下,随着迭代次数的逐渐增加,网络识别的总体错误率呈现先缓慢下降后快速下降,之后又缓慢下降的趋势,在迭代次数少的情况下,迭代次数和误差率变化规律具有随机性.该研究对中小样本数量的卷积神经网络提供了理论参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	符朝兴	青岛大学机电工程学院	14	74	5.0	8.0
2	周粉粉	青岛大学机电工程学院	2	2	1.0	1.0
3	高述勇	青岛大学机电工程学院	5	2	1.0	1.0
4	孟含	青岛大学机电工程学院	4	1	1.0	1.0