典型文献
基于恒虚警率的深度神经网络Dropout正则化方法
文献摘要：
为进一步提高深度神经网络算法在嵌入式机器人系统中的物体识别性能,提出了一种基于恒虚警率检测的深度神经网络Dropout正则化方法(CFAR-Dropout).首先,通过对权重进行量化,将权重和激活从浮点数减少到二进制值;然后,设计了一个恒虚警检测器(CFAR),保持一定的虚警率,自适应地删减一些神经元节点,优化参与计算的神经元节点;最后,在嵌入式平台PYNQ-Z2上,使用基于VGG16的优化模型对算法的物体识别性能进行实验验证.实验结果表明,与使用经典的Dropout正则化方法相比,CFAR-Dropout正则化方法的错误率降低了约2％,有效防止了过拟合;与原本的网络结构相比,参数量所占内存减少到8％左右,有效防止了过参数化.
文献关键词：
物体识别;嵌入式;深度神经网络;恒虚警率;正则化
中图分类号：
作者姓名：
肖家麟;李钰;袁晴龙;唐志祺
作者机构：
华东理工大学信息科学与工程学院,上海 200237
文献出处：
引用格式：
[1]肖家麟;李钰;袁晴龙;唐志祺-.基于恒虚警率的深度神经网络Dropout正则化方法)[J].华东理工大学学报（自然科学版）,2022(01):87-98
A类：
嵌入式机器人
B类：
恒虚警率,深度神经网络,Dropout,正则化方法,高深,神经网络算法,机器人系统,物体识别,识别性,CFAR,浮点数,二进制,恒虚警检测器,删减,嵌入式平台,PYNQ,Z2,VGG16,错误率,过拟合,参数量,参数化
AB值：
0.263144
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
