Indexed by：
Abstract：
为了提升视条件而定的深度卷积网络(conditional deep learning network,CDLN)的分类准确率,提出一种多分类器联合训练的方法.在训练网络时将多个分类器的输出误差同时进行反向传播,以校正网络权重.以LeNet-5、AlexNet为基础构造神经网络CDLN-L和CDLN-A,以MNIST、CIFAR-100和Pascal Voc数据集为实验样本进行实验,网络的分类准确率均得到提升,最高提升了4.39％.实验表明,提出的联合训练方法能够提升CDLN的分类准确率.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2018
Issue： 10
Volume： 44
Page： 1291-1296
Cited Count：
SCOPUS Cited Count： 3
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 4
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
