【计算机】杨莉《 中南民族大学学报(自然科学版)》-赢三张免费版

摘要：将传统卷积神经网络应用于小数据集上,lenet模型准确率低并且收敛速度慢,vggnet等模型存在过拟合问题.针对小数据集提出一种改进lenet模型,该模型在lenet基础上使用relu函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进dropout方法减少过拟合.结果表明:改进lenet模型分类自制小龙虾数据集,比lenet收敛速度快6000步并且准确率提高约15%,比vggnet和resnet过拟合程度明显减少;将改进lenet模型推广应用于开源数据集mnist和fashion-mnist上,改进模型也有良好的表现. 

基金：

关键词：

分类号：tp391.41