一种适用于卷积神经网络的Stacking算法

	一种适用于卷积神经网络的Stacking算法
	梁利平; 王志君; 张笑铭
刊名	计算机工程
	2018-04-15
文献子类	期刊论文
英文摘要	为了提高卷积神经网络的分类精度，提出了将多个网络结合起来的Stacking算法。将每个卷积神经网络当作一个基分类器，使用其对数据进行分类后，再将结果作为新的样本经过元分类器分类，为了降低元分类器输入数据的维度以及减少多个网络分类结果之间的相关性，采用主成分分析对基分类器的输出进行降维。实验结果表明，同类型网络结构，采用层数为20，32，44，56 和 110 的 Res Net，在 CIFAR-10 数据集上分类精度提升 1.46%，在 CIFAR-100 数据集上分类精度提升 4.92%。不同类型网络结构，采用层数为 20 的 Res Net，层数为 16 的 VGG 和层数为 3 的 NIN，在 CIFAR-10 数据集上分类精度提升 1.54%，在 CIFAR-100数据集上分类精度提升 4.72%。
内容类型	期刊论文
源URL	[http://159.226.55.107/handle/172511/19253]
专题	微电子研究所_新技术开发部
推荐引用方式 GB/T 7714	梁利平,王志君,张笑铭. 一种适用于卷积神经网络的Stacking算法[J]. 计算机工程,2018.
APA	梁利平,王志君,&张笑铭.(2018).一种适用于卷积神经网络的Stacking算法.计算机工程.
MLA	梁利平,et al."一种适用于卷积神经网络的Stacking算法".计算机工程 (2018).