技术特征：
技术总结
本发明卷积神经网络分数阶误差反向传播方法,包括如下步骤：步骤1）选择卷积神经网络模型；步骤2）利用分数阶误差反向传播方法更新网络权值；步骤3）根据所述的网络权值，获取卷积神经网络参数。有益效果：将误差反向传播过程中激活函数的整数阶导数变为分数阶导数，发挥了分数阶求导模型比整数阶求导模型更加准确的优势，有效缓解了误差反向传播过程中的“梯度消失”问题，提高了卷积神经网络的训练效率，使卷积神经网络对于训练数据实现更好的拟合，提高了网络的泛化能力。
技术研发人员：赵丽玲;李远禄;张泽林
受保护的技术使用者：南京信息工程大学
技术研发日：2018.05.18
技术公布日：2018.11.06