论文摘要
作为深度前馈人工神经网络的一种,卷积神经网络在图像识别领域得到了成功应用。其中,最经典的卷积神经网络模型就是LeNet-5模型。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。实验结果表明:在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更高的识别率。
论文目录
文章来源
类型: 期刊论文
作者: 汪雅琴,夏春蕾,戴曙光
关键词: 图像识别,卷积神经网络,模型,字符库,手写数字识别
来源: 计算机与数字工程 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 上海理工大学光电信息与计算机工程学院
分类号: TP391.41;TP183
页码: 3177-3181
总页数: 5
文件大小: 1423K
下载量: 536