本文考虑采用平滑L0正则化（BGSL0）的批梯度方法进行训练和修剪前馈神经网络。 我们展示了为什么BGSL0可以产生稀疏的权重，这对于修剪网络。 我们证明了在温和条件下BGSL0的弱收敛和强收敛。 还获得了误差函数在训练过程中递减的单调性。 两个例子是用来证实理论分析并显示BGSL0的稀疏性比三个典型Lp正则化更好方法。
2022-07-15 16:52:19
494KB
1
随着视频监控技术的发展、监控摄像头的普及和人们对安全信息需求的提升，监控中图像去模糊技术得到迫切需求。基于图像强度和梯度的L0正则化去模糊算法能有效恢复模糊的文本图像，但是由于车牌图像的灰度值为零的点较少，导致该方法对模糊的车牌图像复原结果有瑕疵。本文根据的灰度直方图的特性，提出一种改进方法，并与两种方法对比，本文方法取得较好的结果。
2021-01-28 02:33:32
1.86MB
1