一種基于學習自動機的深度神經網絡優化方法,在深度神經網絡的訓練階段,從全連接的初始網絡結構出發,在通過梯度下降迭代更新參數的過程中不斷找到網絡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絡結構,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在訓練過程中不斷與神經網絡交互而進行判定。本發明通過借鑒強化學習的思想,引入學習自動機算法改善傳統的反向傳播算法,去掉冗余連接以減少網絡參數,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:
“基于學習自動機的深度神經網絡優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)