摘要:在真实音识别系统中,针对卷积神经网络的超大规模模型参数和海量训练数据导致的训练效率问题,提出一种缩小权值范围反向传播(NWBP)算法,围绕网络参数训练后期寻找误差极小值时易出现的振荡现象,采用K-MEANS算法获取逼近误差极小值的种子节点,通过迭代计算过程缩小权值变化范围避免振荡现象,使训练结果的网络误差收敛,提高训练效率。通过仿真实验,NWBP算法在复杂卷积神经网络的权值训练过程中相比可变学习速率反向传播算法收敛效果得到提升,一定程度上减少了冗余计算,缩短了训练时间,算法效果相比在简单网络中更显著。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社