-
题名基于卷积神经网络模型的手写数字辨识算法研究
被引量：8
- 1
-
-
作者
张烁
张荣
-
机构
山西青年职业学院计算机系
山西医科大学计算机教学部
-
出处
《计算机应用与软件》
北大核心
2019年第8期172-176,261,共6页
-
基金
山西医科大学校级基金项目(XJ2018099)
-
文摘
针对目前基于卷积神经网络模型(CNN)手写数字辨识算法收敛速度慢、识别率低的问题,设计一种CNN网络模型。在模型训练时,改进模型学习率,使学习率指数可以动态衰减;使用 Dropout正则化方法,提高模型的泛化能力;与批量随机梯度下降法、Momentum算法、Adagrad算法、RMSprop算法、Adam算法等参数优化方法作比较。实验结果表明:基于RMSprop或Adam的优化算法CNN模型在对MNIST数据集进行训练时,算法收敛速度快、测试集识别准确率为99.40%或99.70%。
-
关键词
CNN
参数优化
手写数字
-
Keywords
CNN
Parameter optimization
Handwritten numbers
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名后验概率支持向量机模型在目标分类中的应用
- 2
-
-
作者
米丽萍
邢清华
-
机构
山西青年职业学院计算机系
空军工程大学防空反导学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2014年第4期1402-1407,共6页
-
文摘
针对不确定分类问题中所需的后验概率不能由传统支持向量机提供的情况,基于相对交叉熵,提出一种后验概率支持向量机建模的新方法。首先给出分类问题中交叉熵与相对交叉熵的确定方法;然后利用最小化相对交叉熵的方法建立后验概率支持向量机模型,给出了具有逆向线性搜索特点的牛顿迭代方法求解后验概率支持向量机相关模型参数的算法及思路;并通过对多种数据样本的实验,验证了后验概率支持向量机用于两类分类时的合理性与有效性。在此基础上设计了基于后验概率SVM的多类分类器,并应用于空中目标分类,实验结果表明,后验概率支持向量机可以有效提高分类正确率。
-
关键词
支持向量机
相对交叉熵
后验概率
目标分类
迭代求解算法
-
Keywords
support vector machines
relative cross entropy~ posteriori probability~ target classification
iterative algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
