CNN算法改进及在舆情分析中的应用

摘要：

作为深度学习图像识别的开创性复杂算法,卷积神经网络(CNN)在图像处理中有着其他机器学习算法所不具备的高精度的优点,同时小波神经网络(WNN)在训练中有着跳出局部极小值的特点,因此可达到的最小误差精度是大部分网络难以达到的.结合CNN与WNN各自的优点,本文提出了CNN与WNN相结合的两种网络:小波卷积小波神经网络(wCwNN)和小波卷积神经网络(wCNN).基于wCwNN网络以及wCNN网络对文本分析问题进行探索,尝试用两种网络处理经由词向量模型(word2vec)处理后的文本信息,发现相比于传统的卷积神经网络,针对经word2vec处理后的文本,改进后的网络仍然具有一定的优势.本文最后针对经典的神经网络对处理文本类数据问题提出研究方向,并对神经网络未来发展提出想法.

关键词：wCwNN、WNN、CNN、word2vec、文本分析

所属期刊栏目：3

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2019-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：23-24