10.3969/j.issn.1000-386x.2022.10.040
基于正则化约束元学习优化器的深度学习模型
针对深度学习模型存在的过拟合和易受干扰等问题,在采用元学习优化器的基础上,研究并提出加入四种全新的正则化约束,用于训练元学习优化器.泛化能力和鲁棒性实验分别在两层和四层CNN的Mnist和Ci-far10分类上进行,并与使用其他优化器的结果进行了比较,表明了加入正则化约束的元学习优化器,泛化能力得到提升,在FGSM和PGD攻击下的鲁棒性也得到了提升.在四种正则化约束中,Hessian矩阵的特征谱密度和迹作为正则化约束,泛化能力最好.
元学习、优化器、过拟合、正则化约束、泛化能力、鲁棒性
39
TP3;TP183(计算技术、计算机技术)
国家重点研发计划2018YFC0831102
2022-11-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
266-273