基于灰度关联分析法的卷积神经网络算法优化

• 作者: 刘梦雅 毛剑琳
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 卷积神经网络 稀疏自动编码器 预训练 灰度关联分析法 手写数字识别
• 年，卷（期）: 2018,（6）
• 页码范围: 84-88,95
• 页数: 6页
• 分类号: TP389.1
• 字数: 4835字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.06.022

摘要

针对传统卷积神经网络卷积核初始值以及隐藏特征图个数比较难确定的情况,提出了一种基于非监督预训练和灰度关联分析的卷积神经网络优化算法.通过稀疏自动编码器对输入图像进行无监督预训练,得到一组能够较好得反映原始输入图像特性的滤波器初值集合;引入灰度关联分析法计算出特征图与对应的输出结果之间的关联度,设定阈值,去除关联性较小的特征图数据,使得系统可以自动选择对识别结果影响较大的隐藏特征图,从而对网络结构进行优化,提高系统的识别精度.仿真实验利用全球手写数字MNIST数据集进行训练和测试,实验结果表明,一次迭代情况下,相对于传统的卷积神经网络,优化后的算法识别率提高了约3％,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛剑琳	昆明理工大学信息工程与自动化学院	90	337	8.0	14.0
2	刘梦雅	昆明理工大学信息工程与自动化学院	3	4	1.0	2.0