一種基于學(xué)習(xí)自動機的深度神經(jīng)網(wǎng)絡(luò)優(yōu)化方法,在深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段,從全連接的初始網(wǎng)絡(luò)結(jié)構(gòu)出發(fā),在通過梯度下降迭代更新參數(shù)的過程中不斷找到網(wǎng)絡(luò)中的弱連接并將其去除,從而得到更為稀疏連接、具有更小的泛化誤差的網(wǎng)絡(luò)結(jié)構(gòu),以便用于對測試樣本進行更高精度的圖像分類,所述的弱連接,通過LA在訓(xùn)練過程中不斷與神經(jīng)網(wǎng)絡(luò)交互而進行判定。本發(fā)明通過借鑒強化學(xué)習(xí)的思想,引入學(xué)習(xí)自動機算法改善傳統(tǒng)的反向傳播算法,去掉冗余連接以減少網(wǎng)絡(luò)參數(shù),從而提高在測試樣本上的分類精度,使其具有更強的防止過擬合的能力。
聲明:
“基于學(xué)習(xí)自動機的深度神經(jīng)網(wǎng)絡(luò)優(yōu)化方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)