卷积网络样本数和迭代数与识别结果关系研究

针对训练样本数量和迭代次数对卷积神经网络识别率的影响,本文以经典LeNet卷积神经网络为研究对象,以Mnist样本集为样本,利用Matlab软件研究了样本数量和迭代次数与网络识别率的关系。通过调整训练样本数量和迭代次数,对比不同训练结果对网络错误率的影响,得出在迭代次数、学习率及批数据大小不变的情况下,训练样本数目对网络识别错误率的影响存在阈值,当训练样本数目大于阈值时,样本数目增加,错误率降低很小;在训练样本数目、学习率及批数据大小不变的情况下,随着迭代次数的逐渐增加,网络识别的总体错误率呈现先缓慢下降后快速下降,之后又缓慢下降的趋势,在迭代次数少的情况下,迭代次数和误差率变化规律具有随机性。该研究对中小样本数量的卷积神经网络提供了理论参考。