基于Adam自适应学习率的神经网络训练方法

摘要：

文章针对深度神经网络训练中的学习率调整问题,通过引入正则化项来优化Adam算法,以提高卷积神经网络的训练效果.在CIFAR-10数据集上的实验表明,基于正则化机制的Adam改进算法相较于传统的Adam优化算法缩短了训练时间,提高了测试和验证准确率,并降低了训练损失,表现出更好的泛化能力.

关键词：神经网络、Adam优化算法、正则化、学习率

所属期刊栏目：36

分类号：TP183(自动化基础理论)

在线出版日期：2024-06-11（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：44-46