深度学习模型各层参数数目对于性能的影响
2016-02-19 17:35
459 查看
深度学习模型各层参数数目对于性能的影响 北京林业大学2015,12,30号发表在计算机科学与应用的杂志上, 中文期刊
论文地址:http://image.hanspub.org:8080/pdf/CSA20151200000_79830787.pdf
本文基于卷积神经网络和递归卷积神经网络模型探究了深度学习网络不同层级间参数分布对网络性能的影响,在CIFAR-10、CIFAR-100和SVHN数据集上进行了大量的实验。
结果表明:在保证网络总参数大致相等并稳定在饱和的临界值附近的条件下,增加高层参数数量的能够
提升网络性能,而增加低层参数数量的会降低网络性能。通过这一简单的规则,我们设计的递归卷积神
经网络模型结构在CIFAR-100和SVHN两个数据集上达到了目前单模型最低的识别错误率
相关文章推荐
- google maps js v3 api教程(1) -- 创建一个地图
- iOS比较好的几个博客网址
- iOS开发之网络编程--5、NSURLSessionUploadTask+NSURLSessionDataDelegate代理上传
- Android Volley完全解析(四),带你从源码的角度理解Volley
- 一起看代码来玩玩QT之01Hello world
- ZOJ 2970 Faster, Higher, Stronger(排序)
- 有哪几种保持会话的技术?
- leetcode笔记--Partition List
- BSOJ1478:多边形面积 凸包
- python设置环境变量
- BZOJ-1705 Longge的问题 一维GCD SUM 乱搞+质因数分解+...
- 理解inode
- Linux笔记(6)——帮助命令
- VMCI概述
- [理解]树链剖分
- WebCollector内核开发——定制Http请求
- google maps js v3 api教程(1) -- 创建一个地图
- UITableView的优化
- HDU 1151 Air Raid 二分图最小边覆盖
- ZOJ 2969 Easy Task(模拟)