一种基于确定性丢弃连接的深层卷积神经网络方法

摘要

本发明公开了一种基于确定性丢弃连接的深层卷积神经网络方法，具体包括以下步骤：(1)收集训练数据集并对数据进行标签标记；(2)设置卷积神经网络的结构；(3)确定卷积滤波器权重需要丢弃的阈值t，对卷积滤波器权重进行初始化并确定迭代次数；(4)通过卷积运算得到各卷积层的特征图，并将最后一层卷积层的特征图输入到分类器中得到数据的分类结果以完成前向计算；(5)从最后一层卷积层到第一层卷积层，应用反向传播算法不断更新和优化卷积滤波器的权重参数以降低训练误差；(6)重复步骤(4)和步骤(5)，通过迭代以不断优化卷积神经网络的参数直至达到终止条件。