典型文献
基于改进Dropout和特征梯度融合的深度学习模型性能提升策略
文献摘要：
为了提升深度学习模型的泛化能力和准确率,提出基于高斯能量分布控制的Dropout和特征梯度融合改进策略.在多个公共图像数据集和自制文本数据集上设计多组对比实验,实验结果表明,提出的改进方法能够有效地提升深度学习模型的泛化能力和准确率.
文献关键词：
深度学习;泛化能力;Dropout;特征梯度
中图分类号：
作者姓名：
王顺先;金耀;许淮;王文;顾苏杭;霍之琳
作者机构：
常州大学图书馆;聊城职业技术学院学生工作部;常熟理工学院电气与自动化工程学院
文献出处：
引用格式：
[1]王顺先;金耀;许淮;王文;顾苏杭;霍之琳-.基于改进Dropout和特征梯度融合的深度学习模型性能提升策略)[J].中国高新科技,2022(17):119-120
A类：
特征梯度
B类：
Dropout,梯度融合,深度学习模型,模型性能,性能提升,泛化能力,能量分布,布控,改进策略,共图,图像数据集,文本数据,改进方法
AB值：
0.306222
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。
