基于Adam优化的卷积神经网络随机共振现象研究 |
| |
作者姓名: | 尚天鹏 王友国 |
| |
作者单位: | 南京邮电大学理学院 |
| |
基金项目: | 国家自然科学基金项目(编号:62071248);;江苏省研究生科研创新计划(编号:KYCX20_0730)资助; |
| |
摘 要: | 文中利用随机共振对改善Adam优化的卷积神经网络在算力有限下的性能进行了研究。对反向传播算法采用动量梯度下降算法去更新参数的网络进行Adam优化,利用MNIST手写数字集进行仿真实验,在论文实验条件下,跟动量梯度下降算法的网络相比,Adam优化的网络在前15次epoch下交叉熵降低,增加训练样本数量可以使得交叉熵的降低幅度减小。论文对Adam优化的卷积神经网络的输出神经元加入高斯噪声,仿真结果表明,交叉熵减少百分比出现了随机共振现象,增加训练样本数量可以使得随机共振现象的效果减小。
|
关 键 词: | 梯度下降算法 Adam优化 高斯噪声 仿真实验 |
|
|