發(fā)布時(shí)間：2017-08-29 00:16

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的手寫(xiě)體圖像分類(lèi)識(shí)別研究

  更多相關(guān)文章： 深度學(xué)習(xí) 自動(dòng)編碼器 手寫(xiě)體圖像 分類(lèi)識(shí)別

【摘要】：深度學(xué)習(xí)技術(shù)是近年來(lái)機(jī)器學(xué)習(xí)、人工智能、數(shù)據(jù)挖掘、模式識(shí)別領(lǐng)域的最新熱點(diǎn)技術(shù);它基于人腦的分層結(jié)構(gòu),通過(guò)訓(xùn)練機(jī)制達(dá)到參數(shù)自動(dòng)調(diào)整的目的,使得一些復(fù)雜的任務(wù)可以通過(guò)深度學(xué)習(xí)技術(shù)進(jìn)行簡(jiǎn)化或?qū)崿F(xiàn)。本文全面描述了深度學(xué)習(xí)模型的典型結(jié)構(gòu),介紹了自動(dòng)編碼器這種流行的深度學(xué)習(xí)模型,并利用該模型在MNIST數(shù)據(jù)庫(kù)中進(jìn)行了手寫(xiě)體圖像分類(lèi)識(shí)別實(shí)驗(yàn)。定量統(tǒng)計(jì)結(jié)果表明,在自動(dòng)編碼器網(wǎng)絡(luò)訓(xùn)練時(shí)通過(guò)加入深度學(xué)習(xí)的參數(shù)調(diào)整,會(huì)使得訓(xùn)練樣本的訓(xùn)練誤差更小,同時(shí)也會(huì)降低測(cè)試樣本誤差,達(dá)到提高手寫(xiě)體圖像正確分類(lèi)識(shí)別的目的。
【作者單位】： 東華計(jì)量測(cè)試研究院;
【關(guān)鍵詞】： 深度學(xué)習(xí) 自動(dòng)編碼器 手寫(xiě)體圖像 分類(lèi)識(shí)別
【分類(lèi)號(hào)】：TP391.41
【正文快照】： 0引言 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域研究的最新研究熱潮。自2006年以來(lái),深度學(xué)習(xí)就引起了學(xué)術(shù)界的特別關(guān)注之后,直到目前,深度學(xué)習(xí)已經(jīng)成為大數(shù)據(jù)公司和人工智能領(lǐng)域的最熱門(mén)研究技術(shù)之一,而且在圖像搜索、語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理、在線廣告等方面獲得了明顯的進(jìn)展�？�

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 曲建嶺;杜辰飛;邸亞洲;高峰;郭超然;;深度自動(dòng)編碼器的研究與展望[J];計(jì)算機(jī)與現(xiàn)代化;2014年08期

2 秦勝君;盧志平;;基于降噪自動(dòng)編碼器的不平衡情感分類(lèi)研究[J];科學(xué)技術(shù)與工程;2014年12期

3 段寶彬;韓立新;;改進(jìn)的深度卷積網(wǎng)絡(luò)及在碎紙片拼接中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年09期

4 ;[J];;年期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 梁湘群;基于Gabor特征與深度自動(dòng)編碼器的笑臉識(shí)別方法[D];五邑大學(xué);2015年

2 吳海燕;基于自動(dòng)編碼器的半監(jiān)督表示學(xué)習(xí)與分類(lèi)學(xué)習(xí)研究[D];重慶大學(xué);2015年

3 林雨;極限學(xué)習(xí)機(jī)與自動(dòng)編碼器的融合算法研究[D];吉林大學(xué);2016年

4 雒玉璽;稀疏自動(dòng)編碼器及其加速算法的研究[D];蘭州大學(xué);2014年

，

本文編號(hào)：750287