初始化卷积神经网络的主成分洗牌方法
为了更好地初始化卷积神经网络，提出了一种初始化卷积核的有效方法，称为主成分洗牌方法。该方法首先对第1个卷积层的每个输入特征图的所有感受野进行采样，再对采样得到的图像块按输入特征图分别进行主成分分析，利用主成分分析得到的投影矩阵初始化该层卷积核，最后按上述过程依次对各层卷积核进行初始化。使用该方法在MNIST与CIFAR-10数据集上进行卷积层初始化实验。实验结果表明：与目前常用的随机初始化算法、Xavier初始化算法相比，该方法在提高网络的训练速度和测试集正确率方面均具有优越性。
卷积神经网络、初始化、主成分分析
43
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61175004;高等学校博士学科点专项科研基金资助项目20121103110029;中国博士后科学基金资助项目2015M580952
2017-03-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
22-27
