卷积神经网络权重共享优化路径探析

陈 越
南京航空航天大学能源与动力学院

摘要


虽然基于卷积神经网络的权重共享方法能加速学习过程，同时简单化网络模型，但是固定的网络参数模型却限制了其复杂任务下的性能及灵活性。本文中主要针对权重共享进行优化及探索，从模型结构硬化、梯度冲突、泛化能力受限等不同角度分析了可变形状卷积、不同尺度特征融合及针对任务参数共享的方法，并提出了感受域调节及参数动态设置的可变方法，使共享技术更具有解决网络面对多重任务及多模式条件下有效模型建设的能力。

关键词


卷积神经网络；权重共享；优化路径；训练稳定性

全文:

PDF


参考


[1]龚建伟，孟博文，童昱恒，等.基于VGG卷积神经网络的动物特性识别与优化路径[J].智能计算机与应用，2023，13（5）：70-74.

[2]郝晓丽，薛晋东，生鹏飞，等.一种改进区域卷积神经网络的传送带撕裂检测方法[J].计算机工程与设计，2023，44（3）：8-8.

[3]赵芷锐，李元.基于灰狼算法优化卷积神经网络的工业过程故障诊断[J].信息技术，2024，48（7）：121-127.

[4]佟国香，刘洪俊，田飞翔.基于卷积神经网络的图像数据增强优化策略研究[J].计算机与数字工程，2024，52（7）：2183-2188.

[5]陈暄，吴吉义.基于优化卷积神经网络的车辆特征识别算法研究[J].电信科学，2023，39（10）：101-111.


Refbacks

  • 当前没有refback。