[1]马骏,钱亚冠,郭艳凯,等. 不均衡数据对卷积神经网络的影响及改进算法[J].浙江科技学院学报,2020,(03):181-190.
 Influence upon and improved algorithm of convolutional neural networks under data imbalance[J].,2020,(03):181-190.
点击复制

 不均衡数据对卷积神经网络的影响及改进算法(/HTML)
分享到:

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2020年03期
页码:
181-190
栏目:
出版日期:
2020-06-30

文章信息/Info

Title:
Influence upon and improved algorithm of convolutional neural networks under data imbalance
文章编号:
1671-8798(2020)03-0181-10
作者:
马骏钱亚冠郭艳凯吴淑慧云本胜
浙江科技学院 曙光大数据学院,杭州 310023
Author(s):
School of Sugon Big Date Science, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
数据不均衡卷积神经网络随机梯度下降
分类号:
TP183
文献标志码:
A
摘要:
通过不同的数据分布、激活函数和网络结构对卷积神经网络(convolutional neural networks,CNN)的训练过程进行试验分析发现,数据不均衡会造成CNN训练过程收敛慢、泛化能力差的负面影响。针对这一问题,结合过抽样和欠抽样各自的优点,在随机梯度下降算法的基础上,提出均衡小批量随机梯度下降算法(equilibrium mini-batch stochastic gradient descent,EMSGD),保证小批量内的数据均衡,精确调整更新参数的梯度方向。试验结果表明,均衡小批量随机梯度下降算法可以在数据不均衡条件下提高CNN训练误差收敛速度,提高泛化性能。

相似文献/References:

[1]孙淼,Guindo Mahamed Lamine,庄振华,等. 基于LIBS技术和卷积神经网络的土壤铅含量等级快速分类[J].浙江科技学院学报,2019,(05):373.
 SUN Miao,Guindo Mahamed Lamine,ZHUANG Zhenhua,et al. On fast classification of lead(Pb) levels in soil based on LIBS technology and convolutional neural network[J].,2019,(03):373.
[2]张爽爽,周武杰.基于卷积神经网络的立体图像质量评价[J].浙江科技学院学报,2020,(01):26.

更新日期/Last Update: