| 作者 | 罗晨辉，孙洪飞 |
| 机构 | 厦门大学 航空航天学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 针对提高卷积神经网络(Convolutional Neural Networks，CNNs)在图像识别方向的训练速度和识别准确率进行了研究。从BN(Batch Normalization)着手，通过新增参数对BN的仿射变换进行具体调节，并提出一种改进型的BN——BNalpha。除去带有某些特定结构的神经网络，相对于原始的BN，BNalpha可以在不增加运算复杂度的前提下，提升神经网络的训练速度和识别准确度。通过对BN仿射变换的参数进行分析和对比，尝试解释BN在网络中的运行机理，并以此说明BNalpha相对于BN的改进为何生效。最后通过CIFAR-10和CIFAR-100数据集以及不同类型的卷积神经网络结构对BNalpha和BN进行对比实验分析，实验结果表明BNalpha能够进一步提升训练速度和识别准确度。 |
| 关键词 | 卷积神经网络；深度学习；图像识别；batch normalization |
| 基金项目 | 国家自然科学基金资助项目(61273153,61374037) |
| 本文URL | http://www.arocmag.com/article/02-2021-05-049.html |