基于改进BP算法在深度神经网络学习中的研究
黄培
江苏建筑职业技术学院机电工程学院,徐州221116;中国矿业大学信息与电气工程学院,徐州221116;徐州市机器人技术实验室,徐州221116
摘要：深度学习能够使包含多个处理层的计算模型去学习含有多层次抽象表示的数据.这种学习方式在最先进的语音识别、视觉物体识别、物体检测以及许多其它领域,比如生物基因学和医学等都带来了明显的改善.深度学习能够发现大数据中的复杂结构,而卷积神经网络作为深度学习的重要模型之一在处理语音、图像、视频和文本等方面带来了新的突破.它是利用BP算法来引导机器如何从前一层获取误差来调整本层的参数,从而使这些参数更有利于模型的计算.针对传统BP算法存在的收敛速度慢、常陷入局部极小点的不足,提出了一种快速的BP改进算法.利用改进后的卷积神经网络分别在数据集MNIST、英文字符识别以及医学图像中做实验验证,仿真结果表明了该算法的有效性.
关键词：深度学习卷积神经网络改进BP算法
分类号：TP242(自动化技术及设备)
资助基金：江苏高校“青蓝工程”项目(KJCX201615)
论文发表日期：2018-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 796-801 )
英文信息