节点文献

基于改进Adam优化器的CNN电镜医学图像分类

免费订阅

【作者】 汪友明徐攀峰

【Author】 Wang Youming;Xu Panfeng;School of Automation, Xi’an University of Posts and Telecommunications;

【机构】 西安邮电大学自动化学院

【摘要】 提出了一种基于改进自适应矩估计(adaptive moment estimation, Adam)算法优化器的卷积神经网络(convolutional neural networks, CNN)电子显微镜(电镜)医学图像分类方法。该方法根据卷积神经网络数据迭代的特点,采用具有下降趋势的幂指数学习率改进策略,通过添加修正因子,将上一阶段的梯度值与当前梯度值进行对比、调节,通过梯度值衰减来逐次更新学习率的大小,实现优化器学习率的自适应变化,改善CNN网络模型的收敛性能,实现医学电镜图像的分类。实验结果表明,相比经典的Adam优化器分类方法,改进方法能提高电镜医学图像分类算法的精度,最大分类精度可以到达92%,同时减小图像样本在分类时出现的迭代振荡、分类稳定性不足等现象。

【基金】 陕西省重点研发计划资助项目(2019GY-086)
【所属期刊栏目】 通信与信息技术 (2019年05期)
  • 【DOI】10.13682/j.issn.2095-6533.2019.05.005
  • 【分类号】R318;TP391.41
  • 【下载频次】125
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: