基于PReLUs-Softplus非线性激励函数的卷积神经网络

• 作者: 郑辉 郜丽鹏
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 激励函数 模式识别 非线性映射 池化 网络结构 图像识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 54-59
• 页数: 6页
• 分类号: TN953
• 字数: 3733字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2018.01.10

摘要

针对卷积神经网络表达能力和识别效果受卷积层激励函数影响的问题,提出了一种新型非线性激励函数PReLUs-Softplus,并将其应用于神经网络卷积层.对新型神经网络和采用传统激励函数的神经网络在MNIST和CIFAR-10标准数据库上进行了图像识别对比实验,结果表明,相比于采用传统激励函数的神经网络,使用PReLUs-Softplus激励函数的卷积神经网络在不同的池化方式下图像识别计算收敛速度更快,显著降低了识别的错误率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郜丽鹏	哈尔滨工程大学信息与通信工程学院	42	311	9.0	16.0
2	郑辉	哈尔滨工程大学信息与通信工程学院	5	18	2.0	4.0