声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：郑宗生,侯倩,邹国良,卢奇,
单位：上海海洋大学信息学院,上海201306；
关键词：深度学习,卷积神经网络,交叉熵,最小分类误差准则,台风等级,
基金：国家自然科学基金资助项目(41671431)；上海市科委地方高校能力建设项目(15590501900)；；
针对传统基于最小分类误差准则（MCE）建立的目标函数存在样本错分类时网络出现的梯度反向问题，引入最小分类误差准则，定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数，将FMCE作为修正函数，提出改进交叉熵目标函数CE-FMCE，使得网络在反向传播过程中提升标签类输出的概率。CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题，还弥补了交叉熵函数对非标签集梯度不作区分处理的不足。分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M3CE进行对比实验，实验结果表明CE-FMCE优于其他目标函数。
来源：2019年第10期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。