论文部分内容阅读
针对现有深度卷积神经网络在小样本学习时的泛化性问题,本文提出一种鉴别正交特征生成方法.该方法通过正则化技术对网络非负中间层特征输出的异类正交度和同类相关度进行优化,生成具有稀疏特性的网络中间层鉴别正交特征.为有效调节稀疏度以控制网络容量,采用正则化系数自适应调节方式逼近预设特征稀疏度目标.为提高特征生成计算效率,进一步设计了随机2类别鉴别正交特征生成反向传播规则.随后在数据集MNIST上进行了小样本手写体数字识别对比实验,验证了本文方法的稀疏度调节特性和网络表达容量控制能力.通过反卷积可视化,进一步