基于正交試驗(yàn)設(shè)計(jì)下的卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的研究與應(yīng)用

徐露露

摘要：卷積神經(jīng)網(wǎng)絡(luò)（CNN）是目前最為流行的深度神經(jīng)網(wǎng)絡(luò)的一種，尤其在圖像識別上有著非常廣泛的應(yīng)用。但是作為多層神經(jīng)網(wǎng)絡(luò)的一種，其有著眾多超參數(shù)的選擇組合問題，這些超參數(shù)直接影響著卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的泛化性能。為解決傳統(tǒng)的超參數(shù)窮舉搜索或是憑經(jīng)驗(yàn)試取的方法的難點(diǎn)，本文從正交實(shí)驗(yàn)設(shè)計(jì)的角度出發(fā)，提出了用正交實(shí)驗(yàn)設(shè)計(jì)選擇CNN的超參數(shù)的方法。通過CNN各種參數(shù)問的正交性與交互性，獲取在具體應(yīng)用上的最佳超參數(shù)組合下的CNN模型。本文將分別對經(jīng)典的Cifar-10數(shù)據(jù)集與MNIST手寫數(shù)字?jǐn)?shù)據(jù)集的CNN建模進(jìn)行了超參數(shù)組合的正交實(shí)驗(yàn)優(yōu)化設(shè)計(jì)，實(shí)驗(yàn)結(jié)果驗(yàn)證了正交試驗(yàn)設(shè)計(jì)在CNN的超參數(shù)選取上具有可靠性，其簡單實(shí)用與高時(shí)效性更有助于CNN在實(shí)際工程用的應(yīng)用。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；正交實(shí)驗(yàn)設(shè)計(jì)；超參數(shù)；圖像識別