EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

卷积神经网络超参数影响研究

笑阳 栾, 淑雅 侯

现代工程技术与实践 · 08.04.2026 · 1 (1) · 12-19

DOI: 10.65140/metp202601.3 ↗

Kurz gefasst

Fachartikel in der Zeitschrift 现代工程技术与实践, online erschienen am 08.04.2026. Verfasst von 笑阳 栾 und 1 weiteren Autor:innen. Die Arbeit nennt 5 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitieren

Abstract (Originalsprache)

随着深度学习技术的兴起,卷积神经网络(CNN)已成为图像分类任务的主流方法。然而,CNN的性能在很大程度上依赖于网络结构设计以及超参数的选择。因此,本文以CIFAR-10数据集为研究对象,构建五层卷积神经网络模型,系统探究学习率、批量大小(batch size)、激活函数、优化算法以及卷积核数量等关键超参数对网络性能的影响。研究结果对于理解CNN的训练机制、提升模型在实际应用场景中的性能表现,具有积极的探索意义。

Zitieren

APA

栾, 笑., & 侯, 淑. (2026). 卷积神经网络超参数影响研究. 现代工程技术与实践, 1(1), 12-19. https://doi.org/10.65140/metp202601.3

Vancouver

栾 笑, 侯 淑. 卷积神经网络超参数影响研究. 现代工程技术与实践. 2026;1(1):12-19. doi:10.65140/metp202601.3

BibTeX
@article{2026,
  author = {栾, 笑阳 and 侯, 淑雅},
  title = {卷积神经网络超参数影响研究},
  journal = {现代工程技术与实践},
  year = {2026},
  volume = {1},
  number = {1},
  pages = {12--19},
  doi = {10.65140/metp202601.3}
}
Kostenlos starten →