-
题名数字图像识别的代价函数选择和性能评价
被引量：4
- 1
-
-
作者
李仲德
卢向日
崔桂梅
-
机构
内蒙古科技大学信息工程学院
-
出处
《电光与控制》
CSCD
北大核心
2019年第12期44-48,68,共6页
-
基金
国家自然科学基金(61563041)
-
文摘
针对传统二次代价函数在卷积神经网络训练过程中图像识别准确率不高的问题,提出基于交叉熵代价函数的卷积神经网络算法。经数学推导,证明交叉熵代价函数较二次代价函数在图像识别中精度更高,并应用MNIST数据集和CIFAR-10数据集,使用AlexNet卷积神经网络,分别采用二次代价函数和交叉熵代价函数对图像识别模型进行训练,当数字图像识别精确率和损失值稳定后,使用测试数据对代价函数进行多次测试,对比识别准确率。仿真结果表明,此方法不仅能提高数字图像识别的准确率,而且相较于传统的代价函数,训练模型速度更快,明显缩减了训练深度神经网络模型的过程。
-
关键词
卷积神经网络
交叉熵代价函数
二次代价函数
手写数字数据集
CIFAR-10数据集
-
Keywords
convolutional neural network
cross-entropy cost function
quadratic cost function
MNIST dataset
CIFAR-10 dataset
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
