基于CNN算法的深度学习研究及应用

论文摘要

常见的深度学习的学习架构有深度神经网络、卷积神经网络和递归神经网络等,并且带有卷积结构的深度学习网络被大量应用于研究过程中。深度学习也已经在图像识别、自然语言处理和生物科学等领域取得重大成就。对深度学习原理和TensorFlow架构进行深入研究,并且对CNN算法进行分析。通过对手写数字的识别来比较CNN算法与回归模型,验证CNN算法的优越性。最后使用卷积神经网络对图像识别、车牌识别和文本分类等进行实际应用证实其应用效果优于其他算法,准确率明显提高。

论文目录

• 0 引言
• 1 深度学习类神经网络
•   1.1神经网络
•   1.2 CNN算法
• 2 CNN算法与回归模型识别手写体数字应用
•   2.1 MNIST数据集
•   2.2回归模型识别应用
•   2.3 CNN算法识别应用
•   2.4实验结果分析
• 3 TensorFlow框架下的CNN算法应用
•   3.1 LeNet模型识别车牌
•   3.2 CNN算法在自然语言处理中的应用
• 4 结语

文章来源

类型: 期刊论文

作者: 肖璞,黄海霞

关键词: 算法,深度学习,图像识别,自然语言处理

来源: 现代计算机 2019年35期

年度: 2019

分类: 信息科技

专业: 自动化技术

单位: 三江学院计算机科学与工程学院

基金: 江苏省高校自然科学研究面上项目(No.17KJD520007)

分类号: TP183

页码: 27-32

总页数: 6

文件大小: 3210K

下载量: 201