基于改进Dropout和特征梯度融合的深度学习模型性能提升策略 |
| |
作者姓名: | 王顺先 金耀 许淮 王文 顾苏杭 霍之琳 |
| |
作者单位: | 1. 常州大学图书馆;2. 聊城职业技术学院学生工作部;3. 常熟理工学院电气与自动化工程学院 |
| |
基金项目: | 江苏省研究生教育教学改革课题(JGKT22_C065); |
| |
摘 要: | 为了提升深度学习模型的泛化能力和准确率,提出基于高斯能量分布控制的Dropout和特征梯度融合改进策略。在多个公共图像数据集和自制文本数据集上设计多组对比实验,实验结果表明,提出的改进方法能够有效地提升深度学习模型的泛化能力和准确率。
|
关 键 词: | 深度学习 泛化能力 Dropout 特征梯度 |
|