An improved deep convolutional neural network model with kernel loss function in image classification
An improved deep convolutional neural network model with kernel loss function in image classification
复制标题
图像分类中改进的带有核损失函数的深度卷积神经网络模型
DOI：
10.3934/mfc.2020005
复制
发表时间：
2020
影响因子：
1.4
通讯作者：
Wei Gao
中科院分区：
文献类型：
--
作者：
Yuantian Xia;Juxiang Zhou;Tianwei Xu;Wei Gao
为了进一步增强当前卷积神经网络的性能，本文提出了一种改进的深度卷积神经网络模型。与传统的网络结构不同，在我们提出的方法中，池化层被两个连续的卷积层取代，其中两个连续的卷积层具有 \begin{document}$ 3 \times 3 $\end{document} 卷积核，其间添加了 dropout 层以减少过拟合，并使用交叉熵核作为损失函数。在Mnist和Cifar-10数据集上进行图像分类的实验结果表明，与Alexnet、VGGNet和GoogleNet等几种经典神经网络相比，改进的网络在相对较浅的网络深度下，在学习效率和识别精度方面取得了更好的表现。
To further enhance the performance of the current convolutional neural network, an improved deep convolutional neural network model is shown in this paper. Different from the traditional network structure, in our proposed method the pooling layer is replaced by two continuous convolutional layers with \begin{document}$ 3 \times 3 $\end{document} convolution kernel between which a dropout layer is added to reduce overfitting, and cross entropy kernel is used as loss function. Experimental results on Mnist and Cifar-10 data sets for image classification show that, compared to several classical neural networks such as Alexnet, VGGNet and GoogleNet, the improved network achieve better performance in learning efficiency and recognition accuracy at relatively shallow network depths.
登录
查看更多内容
影响因子：
2.5
作者：
Zhou, Ding-Xuan
通讯作者：
Zhou, Ding-Xuan
DOI：
10.4018/978-1-7998-1192-3.ch008
发表时间：
2020
期刊：
Advances in Systems Analysis, Software Engineering, and High Performance Computing
影响因子：
--
作者：
Menaga D.;R. S.
通讯作者：
Menaga D.;R. S.
DOI：
10.4018/978-1-5225-9096-5.ch007
发表时间：
2021-07
期刊：
Smart Computational Intelligence in Biomedical and Health Informatics
影响因子：
--
作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi
通讯作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi
DOI：
10.4018/978-1-5225-7862-8.ch007
发表时间：
2019
期刊：
Handbook of Research on Deep Learning Innovations and Trends
影响因子：
--
作者：
K. Lakhtaria;Darshankumar Modi
通讯作者：
K. Lakhtaria;Darshankumar Modi
DOI：
10.1007/978-3-319-97436-1_3
发表时间：
2018-08
期刊：
Artificial Intelligence for Business
影响因子：
--
作者：
R. Akerkar
通讯作者：
R. Akerkar