基于典型样本的卷积神经网络增量学习研究

• 作者: 朱秋煜 王嘉扬 王越 黄伟楠
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 增量学习 典型样本 图像分类 卷积神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 76-80
• 页数: 5页
• 分类号: TP391.41|TN911.73
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701256

摘要

基于深度学习的卷积神经网络,提出了一种选取典型样本与新增样本结合学习的增量学习方法,针对典型样本的选取方法和选择数量进行了简单的研究,发现新训练的样本总数与旧样本总数大致相当即可取得良好的效果,并且在分类MNIST手写数字中得到了印证.进一步研究了对旧样本中无法很好识别或识别错误的典型样本模式的处理方法,提出了结合典型样本和新样本训练的增量网络的概念,通过自适应的错分类样本增强实现了识别率的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王越		9	65	4.0	8.0
2	朱秋煜		47	308	10.0	15.0
3	黄伟楠		1	0	0.0	0.0
4	王嘉扬		2	0	0.0	0.0