(三种方法)(MCDNN)Adaboost+DNN= 四、基于卷积神经网络的目标跟踪算法研究与实现五、N的字符识别方法研究六、改进的卷积神经网络模型及其应用研究1、选用基于稀疏MAXOUT激励函数,解决了激励函数选择困难的问题。(maxout与dropout结合效果最好,Dropout是指在模型训练时随机让网络某些隐含层节点的权重不工作,不工作的那些节点可以暂时认为不是网络结构的一部分,但是它的权重得保留下来(只是暂时不更新而已),因为下次样本输入时它可能又得工作了,可以看出使用Dropout后,虽然训练样本的错误率较高,但是训练样本的错误率降低了,说明Dropout的泛化能力不错,可以防止过拟合)2、卷积神经网络的监督学习稀疏maxout激励函数利用ReLU函数给maxout函数带来稀疏性。
cnn论文总结 来自淘豆网m.daumloan.com转载请标明出处.
