《表1 不同学习率下的手势识别效果》

  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

《基于卷积神经网络的手势识别研究》

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

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。