面向深度学习过拟合问题的神经网络模型

• 作者: 刘丹枫 刘建霞
• 来源期刊: 湘潭大学自然科学学报
• 学科: 工学
• 关键词: 深度学习模型 过拟合 支持向量 数据描述 神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 物理与光电信息工程
• 页码范围: 96-99
• 页数: 4页
• 分类号: TP311
• 字数: 2816字
• 语种: 中文

摘要

针对机器学习算法中的过拟合问题,提出一种基于支持向量数据描述的深度学习神经网络模型.在高效利用深度学习的表达能力的基础上,通过在分类中获取最大间隔的方式,解决不可见数据模型的精度较差的问题,具有非常好的泛化性能.仿真结果表明,提出的模型可以学习多类数据,同时大幅度降低过拟合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建霞	太原理工大学信息与计算机学院	43	266	9.0	15.0
2	刘丹枫	太原理工大学信息与计算机学院	2	12	1.0	2.0