加权误差:让神经网络更快收敛

作者：万芳,李明

摘要：区别于神经网络良好的效果,其所需的巨大运算量和运算时间一直为人诟病。本文结合误差定义结合反向传播过程针对图像分类过程进行深入讨论,提出了一种加权误差算法,让神经网络可以有两个通道进行梯度下降。通过两组常见数据的实例检测,加权误差算法具有类似学习率下降的效果,让神经网络可以动态地调整模型对于不同数据的敏感度,加快了收敛速度。并在部分网络中可以得到类似正则化的效果。

发文机构：安徽交通职业技术学院 安徽省交通运输综合执法监督局

关键词：卷积神经网络加速收敛加权误差计算机视觉图像分类深度学习误差函数梯度下降

分类号： TP3[自动化与计算机技术—计算机科学与技术]