摘要
随着信息技术的发展,人们需要处理的信息数据日渐呈现出高维和海量的特点。图像数量的增加,是导致数据量增长的关键因素。然而,随之而来的困扰是如何有效地分析和筛选这些数据。这是模式识别、神经网络和机器学习等领域所面临的共同问题。本文利用样本选择方法对图像样本进行筛选,通过深度学习算法进行图像特征提取,再用卷积神经网络(CNN)的运行原理。利用CNN结构中卷积层的权值共享和局部连接特性,可以简化网络的样本训练参数。通过使用梯度下降算法最小化损失函数来进行权重参数逐层反向调节,再经过迭代训练提高分类精确度。在MNIST手写体数据集上的实验表明了CNN的有效性。本文分别使用MNIST和USPS手写体识别库作为测试样本,用卷积神经网络进行手写体识别,证明其有很好的识别效率。
出处
《电子技术与软件工程》
2016年第13期110-110,共1页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
