文献类型：期刊文章

作　　者：吕伏[1] 刘铁[2]

LüFu;Liu Tie(Department of Basic Education,Liaoning Technical University,Huludao 125105,Liaoning,China;School of Software,Liaoning Technical University,Huludao 125105,Liaoning,China)

机构地区：[1]辽宁工程技术大学基础教学部,辽宁葫芦岛125105 [2]辽宁工程技术大学软件学院,辽宁葫芦岛125105

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金青年基金项目(51904144);国家自然科学基金项目(51874166);国家重点研发计划项目(2016YFC0801404);辽宁省自然科学基金项目(20102090)。

年　　份：2021

卷　　号：38

期　　号：12

起止页码：268-273

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

摘　　要：在深度学习模型中,为了进一步提高网络的收敛速度和识别精度,提出一种学习率自增强的图像识别算法。当距离极值点比较远时,以大于1的常数进行学习率自增强,加快网络向极值点附近逼近的速度。随着模型接近收敛,根据代价函数的变化情况调整学习率,学习率的变化和代价函数的变化情况成反比。在MNIST数据集和CIFAR-10数据集上进行实验。实验结果表明,结合该算法的深度学习模型在进行图像识别时,能有效地提高识别的准确率和收敛速度,并具有较好的表现能力。

关 键 词：深度学习  学习率自增强  代价函数 图像识别

分 类 号：TP391]