卷积神经网络复杂性质与准确率的关系研究

摘要

卷积神经网络的结构也会对其性能造成影响,设计卷积神经网络更多的是依靠经验和强大的算力,如何设计出性能更好的卷积神经网络目前缺少有效的理论支撑.为了解决这一问题,在分析典型卷积神经网络拓扑复杂性的基础上,为快速实现满足给定复杂性特征的卷积神经网络,给出了由复杂网络拓扑到卷积神经网络的生成算法,通过建立系列不同拓扑特征的卷积神经网络,采用Cifar10和Cifar100数据集分析了平均聚集系数、平均路径长度、图密度、模块度等拓扑性质对卷积神经网络识别有效性的影响关系.实验表明在神经网络的参数数量基本相等的情况下,平均聚类系数会对卷积神经网络的性能产生影响.最终得到结论在统计意义上,平均聚集系数小的网络结构会有更好的性能表现,这为进一步设计出更好的卷积神经网络提供了理论依据.