基于动态扰动衰减神经网络和算法的图像识别

来源：计算机测量与控制杂志2025年第10期北京时间：

作者：费春国,赵扬帆

单位：中国民航大学 电子信息与自动化学院  天津 300300

摘要：在处理大规模数据集时,梯度下降法作为一种常用的训练方法容易在获得部分数据的最优解后收敛速度变慢,导致无法获得整体数据的最优解。针对梯度下降法所遇到的问题,在现有的网络基础上根据生物神经网络中的大脑皮质-基底神经节回路和E/I扰动现象提出了一种创新的解决方法——动态扰动衰减网络和动态扰动衰减梯度下降算法。此网络在现有网络的输入层上引入一层逐渐减小的扰动层,随着迭代轮数的增加,扰动层对输入层施加的扰动逐渐趋近于零。此方法不仅使得梯度下降法在训练前期加快了收敛速度,在整个梯度下降过程中,还避免了获得局部最优解和过拟合的问题,从而提高了网络的性能。通过在MNIST、CIFAR-10和CIFAR-100数据集上使用不同的网络和算法进行实验,成功验证了所提出的动态扰动衰减网络和算法的有效性。相对于原始网络使用Adam和SGDM算法,动态扰动衰减方法在测试准确度上分别取得了为0.16%至1.4%和0.39%至1.38%的提升,同时具备更快的收敛速度。

关键词：深度学习;神经生物科学;局部最优;优化算法;大脑皮质回路