信号处理

2019年12期

本刊往期查看全部 >

核卷积神经网络研究与应用

包志强;赵志超;吕少卿;黄琼丹

利用核函数非线性映射的优势,结合卷积神经网络算法,提出一种基于核卷积神经网络(Kernel-Convolutional Neural Network, Kernel-CNN)的新的网络学习模型。该方法首先对数据预处理,其次利用核卷积神经网络对数据进行特征提取,最后,构建softmax分类器对数据进行分类。本网络将非线性映射引入卷积过程构成核卷积过程,通过核卷积过程进一步增强模型的特征提取能力,在MNIST手写数字库以及美国麻省理工学院提供的MIT-BIH心律失常数据库上实验验证,本文模型正确率分别为98.5%、97%,均较好于卷积神经网络和支持向量机,且本文模型具有较小的LOSS值。 (共7页)
PDF全文下载

安装知网阅读App
手机 · Pad同步看

开通季卡/年卡,优惠更多
立即开通