《表1 不同学习率下的手势识别效果》
设置学习速率的方法有二种:自适应调整和手动设置。当权重值具有较大的波动时,降低学习率;而当权重值趋于不变时,提高学习率。神经网络参数是动态变化的,最好的方法是为每个权重值设置不同的学习率。可以利用上一层数值更新的变化来建立两个权重更新之间的关系,从而加快学习过程。本文采用自适应梯度下降算法来更新参数,然后比较全局学习率的初始值的选择。如果初始值太大,则会错过极值点,并且系统将不会收敛,并且错误率很高。如果初始值太小,系统将收敛太慢,甚至会陷入局部最优状态。因此,根据经验初始学习率分别设置为0.05、0.01、0.005、0.001、0.0005,并且在批量处理100个样本的情况下进行了训练。识别效果见表1。
图表编号 | XD00192273100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 周亦敏、李锡麟 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |