计算机工程

作者：周林勇,谢晓尧,刘志杰,任笔墨

单位：1.贵州师范大学 贵州省信息与计算科学重点实验室,贵阳 550001; 2.贵州财经大学 数学与统计学院,贵阳 550025

关键词：卷积神经网络, 深度学习, 池化方法, 多项分布, 图像分类

基金：国家自然科学基金(U1631132)。

为解决随机池化中零元素概率为0导致不能被选择的问题,提出一种改进的混合概率随机池化方法。将池化域中的元素去重复并按升序排序,然后加上对应次序的幂次,得到元素的权重概率。在此基础上,根据多项分布取样给出池化值。在数据集MNIST、CIFAR-10、CIFAR-100上进行实验,结果表明,该方法在3种数据集上的分类准确率分别为99.50%、72.25%、39.05%,相较于传统池化方法具有较好的分类效果与稳健性。

来源：2019年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第4期