本文選題：卷積神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：廣義回歸神經(jīng)網(wǎng)絡(luò)　出處：《計(jì)算機(jī)工程》2017年04期 　論文類(lèi)型：期刊論文

【摘要】：卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型在圖像識(shí)別中取得了良好的效果,但其識(shí)別精度還有進(jìn)一步提升的空間。為此,設(shè)計(jì)一種新的圖像識(shí)別模型CNN-GRNN。利用CNN提取樣本圖像中的多層次特征信息,將廣義回歸神經(jīng)網(wǎng)絡(luò)代替反向傳播神經(jīng)網(wǎng)絡(luò),以提高分類(lèi)器的泛化能力和魯棒性,通過(guò)均方差和降梯度法訓(xùn)練模型�；贑OIL-100和手勢(shì)庫(kù)的實(shí)驗(yàn)結(jié)果表明,與灰度共生矩陣、HU距方法、CNN和CNN-SVM模型相比,CNN-GRNN的識(shí)別率分別提升了42.2%,13.43%,3.99%和1.86%,并具有較好的實(shí)時(shí)性。
[Abstract]:The convolutional neural network (CNN) model has achieved good results in image recognition, but its recognition accuracy still has room for further improvement. A new image recognition model, CNN-GRNN, is designed to extract multi-level feature information from the sample image by using CNN. In order to improve the generalization ability and robustness of classifier, generalized regression neural network is replaced by backpropagation neural network. The model is trained by the method of mean-variance and descending gradient. The experimental results based on COIL-100 and gesture database show that, The recognition rate of CNN-GRNN is improved by 42.2%, 13.433.99% and 1.86%, respectively, compared with the gray co-occurrence matrix HU distance method and CNN-SVM model, and it has better real-time performance.
【作者單位】： 昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61263017) 云南省人才培養(yǎng)項(xiàng)目(KKSY201303120) 云南省教育廳科學(xué)研究基金(2014Y086)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王威;榮志飛;范國(guó)清;;基于GRNN的導(dǎo)航衛(wèi)星鐘差仿真方法研究[J];系統(tǒng)仿真學(xué)報(bào);2011年11期

2 Babakhani Asad;杜志江;孫立寧;Kardan Reza;Mianji A. Fereidoun;;Application of generalized regression neural network on fast 3D reconstruction[J];Journal of Harbin Institute of Technology;2007年01期

3 李衛(wèi)民;劉建偉;樂(lè)嘉錦;;一種新的基于AR* -GRNN的QoS降載管理框架[J];小型微型計(jì)算機(jī)系統(tǒng);2011年03期

4 唐超;李世平;孫浚清;張弦;;基于GRNN的虛擬儀器非線性校準(zhǔn)方法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2007年05期

5 ;Application and Simulation of GRNN for the Shotcrete Robot[J];Computer Aided Drafting,Design and Manufacturing;2009年02期

6 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 馬珊;龐永杰;張鐵棟;;基于GRNN的聲圖像特征研究[A];第十五屆中國(guó)海洋（岸）工程學(xué)術(shù)討論會(huì)論文集(上)[C];2011年

，

本文編號(hào)：1577807