一种改进的深度学习模型自适应学习率策略OACSTPCD
An Improved Depth Learning Model Adaptive Learning Rate Strategy
针对当前深度学习中学习率不能完全拟合模型运行状态,导致收敛速度较慢和误差较大的问题,提出一种自适应学习率策略AdaDouL.该策略是在上一回合学习率的基础上利用当前的梯度去自适应调节学习率的大小,并根据损失函数的增量正负值给出2种不同下降速度的学习率形式,以模型的输出和标签之间的损失函数作为评价指标,在Vot2015数据集上使用构建的卷积神经网络模型进行实验验证.验证结果表明:使用该学习策略的深度模型相比使用AdaGrad和AadDec学习策略具…查看全部>>
刘帆;刘鹏远;张峻宁;徐彬彬
陆军工程大学石家庄校区4系,石家庄 050003陆军工程大学石家庄校区4系,石家庄 050003陆军工程大学石家庄校区4系,石家庄 050003陆军工程大学石家庄校区4系,石家庄 050003
信息技术与安全科学
深度学习卷积神经网络学习率自适应策略目标检测
《兵工自动化》 2019 (1)
往复机械振动的双树复小波包分析与在线异常检测方法研究
72-77,6
国家自然科学基金(51205405,51305454)
评论