基于正交试验设计下的卷积神经网络在图像识别上的研究与应用

徐露露

摘要：卷积神经网络（CNN）是目前最为流行的深度神经网络的一种，尤其在图像识别上有着非常广泛的应用。但是作为多层神经网络的一种，其有着众多超参数的选择组合问题，这些超参数直接影响着卷积神经网络在图像识别上的泛化性能。为解决传统的超参数穷举搜索或是凭经验试取的方法的难点，本文从正交实验设计的角度出发，提出了用正交实验设计选择CNN的超参数的方法。通过CNN各种参数问的正交性与交互性，获取在具体应用上的最佳超参数组合下的CNN模型。本文将分别对经典的Cifar-10数据集与MNIST手寫数字数据集的CNN建模进行了超参数组合的正交实验优化设计，实验结果验证了正交试验设计在CNN的超参数选取上具有可靠性，其简单实用与高时效性更有助于CNN在实际工程用的应用。

关键词：卷积神经网络；正交实验设计；超参数；图像识别