点击次数：

发表时间：2021-01-01

发表刊物：计算机工程与应用

摘要：针对采用传统梯度下降算法训练卷积神经网络收敛速度慢的问题，提出了动量分数阶梯度下降算法。首先，介绍了分数阶微积分的定义，并依据问题描述，通过算法推导，将整数阶梯度下降算法中的动量思想应用到分数阶梯度下降算法中，设计出动量分数阶梯度下降算法；其次，使用测试函数验证算法的收敛性，并分析不同分数阶阶次和动量项系数对算法收敛性的影响；最后，在3个数据集上使用动量分数阶梯度下降算法与传统梯度下降算法、动量梯度下降算法作对比实验，实验数据表明，动量分数阶梯度下降算法可以在不同复杂程度的数据集上，在保证较高分类准确率的前提下，极大提高卷积神经网络的收敛速度，为训练卷积神经网络节省大量时间成本。

备注：新增回溯数据