卷积神经网络池化方法研究
作者： 贵州师范大学贵州省信息与计算科学重点实验室; 贵阳550001; 贵州财经大学数学与统计学院; 贵阳550025
摘要：为解决随机池化中零元素概率为0导致不能被选择的问题,提出一种改进的混合概率随机池化方法。将池化域中的元素去重复并按升序排序,然后加上对应次序的幂次,得到元素的权重概率。在此基础上,根据多项分布取样给出池化值。在数据集MNIST、CIFAR-10、CIFAR-100上进行实验,结果表明,该方法在3种数据集上的分类准确率分别为99.50%、72.25%、39.05%,相较于传统池化方法具有较好的分类效果与稳健性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
