南开大学学报（自然科学版） ›› 2022 ›› Issue (1): 47-.
• • 上一篇 下一篇
出版日期:
发布日期:
Online:
Published:
摘要： 应用基于弃权、扩展数据、最大池化技术的卷积神经网络对MNIST 手写数字数据集进行识别. 对深度学习模型的代价函数,训练方法进行研究,优化了传统神经网络,达到了有效自动提取特征的目的. 相较于人工特征提取和传统逻辑回归分析提高了识别率,减少了错误率. 实验结果表明得到了99.1% 的平均识别率,减少 了76% 的错误率.
关键词: 自动特征提取, 数据扩展, 手写体识别, 深度学习
张全, 刘玉良, 刘国华. 基于自动提取特征的手写体数字识别[J]. 南开大学学报（自然科学版）, 2022,(1): 47-.
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://xuebao.nankai.edu.cn/jns/CN/
https://xuebao.nankai.edu.cn/jns/CN/Y2022/V55/I1/47
