基于大數(shù)據(jù)的深度卷積神經(jīng)網(wǎng)絡(luò)冗余參數(shù)優(yōu)化算法

打開文本圖片集

摘  要：針對冗余參數(shù)占用較多網(wǎng)絡(luò)存儲空間的問題，提出一種基于大數(shù)據(jù)的深度卷積神經(jīng)網(wǎng)絡(luò)冗余參數(shù)優(yōu)化算法。根據(jù)大數(shù)據(jù)的特點來確定冗余參數(shù)特點，由此構(gòu)建基于大數(shù)據(jù)的深度卷積神經(jīng)網(wǎng)絡(luò)模型。計算屬性數(shù)據(jù)集合的冗余參數(shù)熵，以熵值為依據(jù)壓縮冗余參數(shù)。通過梯度下降的方式訓練深度卷積神經(jīng)網(wǎng)絡(luò)參數(shù)，確定冗余參數(shù)擁塞程度，控制數(shù)據(jù)冗余擁塞隊列，以此完成冗余參數(shù)優(yōu)化。（剩余5707字）