基于大数据的深度卷积神经网络冗余参数优化算法

摘要：

针对冗余参数占用较多网络存储空间的问题,提出一种基于大数据的深度卷积神经网络冗余参数优化算法.根据大数据的特点来确定冗余参数特点,由此构建基于大数据的深度卷积神经网络模型.计算属性数据集合的冗余参数熵,以熵值为依据压缩冗余参数.通过梯度下降的方式训练深度卷积神经网络参数,确定冗余参数拥塞程度,控制数据冗余拥塞队列,以此完成冗余参数优化.由实验结果可知,该算法所占网络存储空间最小为2 GB,参数可用效率最高可达92％,具有良好的优化效果.

关键词：大数据、深度卷积神经网络、冗余参数优化

所属期刊栏目：6

分类号：TP183(自动化基础理论)

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：88-90