基于滑动平均与规则决策的卷积神经网络图像分类

• 作者: 孙中宇 狄俊珂 龚红仿
• 来源期刊: 长沙理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像分类 卷积神经网络 滑动平均 置信度决策 梯度下降 泛化性能
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 102-110
• 页数: 9页
• 分类号: TP18
• 语种: 中文

摘要

卷积神经网络(CNN)及其变体模型应用于图像分类技术,因其大量的训练参数导致CNN模型训练过于复杂,增加了成本开销,也易产生梯度消失或梯度爆炸问题.为此,提出滑动平均和规则决策的卷积神经网络模型,并将其应用于图像分类中.将特征映射层与感知器网络(MLP)层结合,利用滑动平均对网络层之间的权重参数进行调整,并对预测目标采用置信度规则策略实现决策优化,提升模型的泛化性能.试验结果表明:滑动平均和规则决策的卷积神经网络模型具有更好的鲁棒性和分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚红仿		28	102	6.0	8.0
2	孙中宇		2	0	0.0	0.0
3	狄俊珂		2	0	0.0	0.0