基于改进Dropout和特征梯度融合的深度学习模型性能提升策略

在线阅读下载PDF

导出

摘要为了提升深度学习模型的泛化能力和准确率,提出基于高斯能量分布控制的Dropout和特征梯度融合改进策略。在多个公共图像数据集和自制文本数据集上设计多组对比实验,实验结果表明,提出的改进方法能够有效地提升深度学习模型的泛化能力和准确率。

作者王顺先金耀许淮王文顾苏杭霍之琳

机构地区常州大学图书馆聊城职业技术学院学生工作部常熟理工学院电气与自动化工程学院

出处《中国高新科技》 2022年第17期119-120,共2页

基金江苏省图书馆大数据研究课题(2021JSTD009) 江苏省研究生教育教学改革课题(JGKT22_C065)。

关键词深度学习泛化能力 DROPOUT 特征梯度

1常英丽,张雪华,刘强.改进的卷积神经网络模型在人脸识别中的应用[J].电子制作,2022,30(24):42-45. 被引量：2
2冉瑞生,翁稳稳,王宁,彭顺顺.基于人脸关键特征提取的表情识别[J].计算机工程,2023,49(2):254-262. 被引量：6
3王告.基于改进LeNet-5网络的污泥沉降比检测研究[J].软件导刊,2023,22(1):224-228. 被引量：1
4石怀涛,李宁宁,赵金宝,佟圣皓.基于压缩采集特征提取与CNN_SVM的滚动轴承的故障诊断[J].沈阳建筑大学学报（自然科学版）,2022,38(6):1129-1137.
5李俊卿,刘静.结合卷积神经网络和迁移学习的电机轴承故障诊断方法[J].华北电力大学学报（自然科学版）,2023,50(1):76-83. 被引量：13
6高静,段中兴,何宇超.多尺度特征融合的轻量型垃圾分类方法[J].小型微型计算机系统,2023,44(2):376-382. 被引量：2

中国高新科技

2022年第17期

浏览历史

内容加载中请稍等...