發(fā)布時間：2021-02-16 06:53

　　近年來,在互聯(lián)網(wǎng)技術(shù)迅速發(fā)展的同時,網(wǎng)絡(luò)數(shù)據(jù)量也在急劇增加,數(shù)據(jù)采集的技術(shù)也有極大提高,越來越多的人使用圖像來表示和傳輸信息,為了人們能快速準確地從圖像中獲取信息,圖像分類作為人工智能的一個重要領(lǐng)域被廣泛研究。對于圖像分類問題,關(guān)鍵在于如何從圖像中提取出更加抽象的特征信息,特征提取的好壞對分類結(jié)果至關(guān)重要。深度學(xué)習(xí)是近年來出現(xiàn)的一種多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,因其優(yōu)秀的特征學(xué)習(xí)能力被廣泛應(yīng)用于圖像分類、語音識別及自然語言處理等領(lǐng)域。首先,本文在具體分析圖像分類以及深度學(xué)習(xí)理論發(fā)展現(xiàn)狀的基礎(chǔ)上,深入研究了兩種經(jīng)典的深度學(xué)習(xí)模型:深度置信網(wǎng)絡(luò)（Deep Belief Network,DBN）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）。其次,針對傳統(tǒng)深度置信網(wǎng)絡(luò)訓(xùn)練過程中因固定學(xué)習(xí)參數(shù)導(dǎo)致的網(wǎng)絡(luò)收斂速度慢、分類精度不高的問題,提出了一種基于改進的自適應(yīng)LBP-DBN圖像分類算法。該算法首先將一種自適應(yīng)更新準則引入到限制玻爾茲曼機的訓(xùn)練中;然后通過計算迭代前后的重構(gòu)誤差增量和權(quán)重更新方向來實現(xiàn)動量和學(xué)習(xí)率的自適應(yīng)調(diào)節(jié);最后分別通過ORL數(shù)據(jù)庫和Yale數(shù)據(jù)庫進... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

生物神經(jīng)元結(jié)構(gòu)

該模型就是模仿生物學(xué)中的神經(jīng)系統(tǒng)而以看作是一個單獨的信息處理單元，能夠接輸入單輸出的性質(zhì)。為了更好地實現(xiàn)對神經(jīng)正負來表示刺激信號對神經(jīng)元的不同作用，有外來的刺激信號進行整理合并，經(jīng)過激活式表示如下：1ni iv w== ( )y v = Φ 其中， ( 1,2,...,)ix i = n表示傳入神經(jīng)元的刺激經(jīng)元之間的連接權(quán)值，b 表示該神經(jīng)元的閾

神奎

【參考文獻】：
期刊論文
[1]基于自適應(yīng)學(xué)習(xí)率的深度信念網(wǎng)設(shè)計與應(yīng)用[J]. 喬俊飛,王功明,李曉理,韓紅桂,柴偉.  自動化學(xué)報. 2017(08)
[2]局部高密度殘差點包裹相位的解包方法[J]. 郭媛,楊震,吳全.  激光與光電子學(xué)進展. 2017(04)
[3]采用局部二值模式與深度信念網(wǎng)絡(luò)的人臉識別[J]. 吳進,嚴輝,王潔.  電訊技術(shù). 2016(10)
[4]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學(xué)報. 2016(09)
[5]一種基于2D和3D SIFT特征級融合的一般物體識別算法[J]. 李新德,劉苗苗,徐葉帆,雒超民.  電子學(xué)報. 2015(11)
[6]基于自適應(yīng)深度置信網(wǎng)絡(luò)的圖像分類方法[J]. 楊春德,張磊.  計算機工程與設(shè)計. 2015(10)
[7]基于局部二值模式和深度學(xué)習(xí)的人臉識別[J]. 張雯,王文偉.  計算機應(yīng)用. 2015(05)
[8]受限波爾茲曼機[J]. 張春霞,姬楠楠,王冠偉.  工程數(shù)學(xué)學(xué)報. 2015(02)
[9]一種基于改進LBP特征的人臉識別[J]. 郭賀飛,陸建峰,董忠汶.  現(xiàn)代電子技術(shù). 2015(04)
[10]基于深度學(xué)習(xí)的圖像自動標注算法[J]. 楊陽,張文生.  數(shù)據(jù)采集與處理. 2015(01)

碩士論文
[1]基于深度學(xué)習(xí)的圖像識別方法研究與應(yīng)用[D]. 文馗.華中師范大學(xué) 2017
[2]基于深度學(xué)習(xí)的圖像識別應(yīng)用研究[D]. 周凱龍.北京工業(yè)大學(xué) 2016
[3]基于深度信念網(wǎng)絡(luò)的在線社交圖像分類研究[D]. 王永超.重慶郵電大學(xué) 2016
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的交通標識識別研究與應(yīng)用[D]. 楊心.大連理工大學(xué) 2014
[5]深度學(xué)習(xí)及其在手寫漢字識別中的應(yīng)用研究[D]. 王有旺.華南理工大學(xué) 2014
[6]基于粒子群與模擬退火算法的BP網(wǎng)絡(luò)學(xué)習(xí)方法研究[D]. 江麗.安徽大學(xué) 2013
[7]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012



本文編號：3036372