典型文献
基于随机化网络的自主平台实时场景分类方法研究
文献摘要：
场景分类使自主平台能够理解环境信息.通常,基于随机化的神经网络能够快速识别场景信息,并且花费很少的时间训练权重.然而,基于随机化的神经网络的浅层网络结构限制了其非线性表示能力.此外,全连接的特征提取方式不能有效地提取局部特征信息.集成框架能够有效提升精度,但会引入高模型复杂度及大量参数而大幅降低推理速度.针对上述问题,提出一种基于多尺度卷积随机化的实时场景分类网络集成结构(multi-level convolutional randomization-based network ensemble architecture,E-MCRNet).首先,基于随机化网络将全连接层替换为多尺度卷积层构成多尺度卷积随机化网络(multi-level convolutional randomization-based network,MCRNet);其次,多个MCRNet构成集成体系结构E-MCRNet.E-MCRNet由一个主隐藏层和多个子隐藏层组成,主隐藏层分别与每个子隐藏层级联形成分支网络.测试结果表明,E-MCRNet可以提高精度以及降低集成模型的复杂度,而且能够部署于嵌入式设备有效地执行相关任务.
文献关键词：
随机化网络;集成框架;分类;卷积
中图分类号：
作者姓名：
代英鹏;王军政;李静
作者机构：
北京理工大学自动化学院, 北京 100081
文献出处：
引用格式：
[1]代英鹏;王军政;李静-.基于随机化网络的自主平台实时场景分类方法研究)[J].北京理工大学学报,2022(12):1283-1289
A类：
随机化网络,MCRNet
B类：
场景分类,分类方法,解环,环境信息,快速识别,花费,结构限制,线性表示,示能,提取方式,局部特征,特征信息,集成框架,模型复杂度,推理速度,多尺度卷积,分类网络,网络集成,multi,level,convolutional,randomization,network,ensemble,architecture,全连接层,层替换,卷积层,集成体系,体系结构,分支网,提高精度,集成模型,嵌入式设备,备有
AB值：
0.323706
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
