《表1 批量归一化算法：基于改进的AlexNet的乳腺肿瘤智能诊断方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进的AlexNet的乳腺肿瘤智能诊断方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

深度网络的训练是一个复杂的过程，只要网络的前几层发生微小的改变，那么这种微小的偏移就会被后几层累积放大下去。神经网络学习的本质也就是学习数据分布[13]，一旦网络某一层的输入数据的分布发生改变，那么这一层网络就需要去适应学习这个新的数据分布。如果训练过程中，训练数据的分布一直在发生变化，将会影响网络的训练速度。文献[13]中提出的批量归一化算法（Batch Normalize简称BN）能够减小ReLU函数导致的数据偏移，解决训练过程中原始数据分布发生改变的问题，从而加速网络收敛，改善网络性能。BN算法通过计算一个小批量中的均值与方差来实现特征归一化。BN算法的详细过程见表1。