Indexed by：
Abstract：
为改善动态卷积神经网络在文本情感分类方法中的泛化能力，提出了一种动态卷积超限学习算法。对动态卷积神经网络的输出层加以改进，使用浅层随机神经网络替代全连接层，利用参数随机生成的扰动性能，降低分类端对训练样本的依赖，避免过拟合，提升分类性能。在公共数据集上的实验证明：相对改进前的动态卷积学习算法以及超限学习机，所提出的方法在准确率、F1测度等多个标准指标上均体现了更优的分类性能。
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2017
Issue： 1
Volume： 43
Page： 28-35
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 8
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
