卷积神经网络的训练方式研究

• 作者: 赖策 魏小琴
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 卷积神经网络 代价函数 最优化
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 103-104
• 页数: 2页
• 分类号: TP391.41|TP183
• 语种: 中文

摘要

卷积神经网络是一种基于最小化经验风险的统计学习方法,在有监督学习中,一般会向神经网络指定一个明确的代价函数,代价函数既是衡量该神经网络在当前权值设置下对指定输入的输出正确性进行衡量,也是神经网络更新参数和结构强度的参考标准.一般而言,误差代价函数是一个跟神经网络在特定训练数据集合上误差情况的可微分函数.通过利用数学方法寻求这个函数的最小值,可以进一步使权值最优化.