排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
针对图像多分类任务,提出基于深度卷积的残差三生网络,旨在通过残差学习和距离比较来训练神经网络得到有效的特征表示。首先,设计了一个21层的深度卷积神经网络作为三生网络的嵌入网络,其中该卷积网络共连接6个块(block)。利用残差学习的方式,每个block的输出层由卷积层的输出和该block的输入共同组成,降低网络学习难度,避免网络出现退化问题。然后,每个block中采用相同拓扑结构分路的卷积层,拓宽网络的宽度。最后,在全连接层拼接了来自前面卷积层和block的输出,加强特征信息的传递。训练前,针对正负样本采用交叉组合的采样方法来增加有效训练样本量;训练期间,用样本中心点更换原点样本作为输入,能平均降低0.5%错误率。在与其他三生网络的对比实验中,在MNIST、CIFAR10和SVHN数据库上达到最好的效果,在所有分类网络中,本文网络在MNIST上达到最好的效果,在CIFAR10和SVHN上表现优异。 相似文献
通过把标准的二维色散方程中的一阶时间导数替换成Caputo分数阶导数,两个二阶空间导数分别替换成Riemann-Liouville分数阶导数,得到二维空间时间分数阶色散方程.基于两个空间分数阶导数的转移Grünwald有限差分近似,分别构造了逼近二维空间时间分数阶色散方程的隐式差分格式和交替方向隐式差分格式.对两种差分格式分别进行了相容性、稳定性和收敛性分析.应用数学归纳法证明了两种隐式差分格式都是无条件稳定和收敛的并且得到了收敛阶.对两种隐式差分格式的收敛速度和计算复杂度进行了比较.基于以上所构造的差分格式,对精确解已知的一个空间时间分数阶色散方程进行了数值实验模拟,模拟结果验证了理论分析的正确性. 相似文献