基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了应对海量的字符(手写)识别,提出了一种将统一计算设备架构(Compute Unified Device Architecture,CUDA)和深度置信网络相结合的方法进行手写字符识别.该方法结合受限玻尔兹曼机和反向传播神经网络形成深度置信网络对字符图片数据进行识别,并且使用CUDA在图形处理器(GPU)上进行并行计算来完成识别过程.实验结果表明,使用该方法后,在不降低识别精度的情况下手写字符识别的速度大幅提升.
推荐文章
基于矢量特征编码的手写字符识别技术
矢量方向编码
手写输入法
字符识别
基于流形学习与SVM的手写字符识别方法
核方法
局部线性嵌入
支持向量机
手写字符识别
基于深度学习的印刷体文档字符识别的研究
印刷体字符识别
深度学习
图片数据集
Lenet-5Pro
字符增强
仿真分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CUDA和深度置信网络的手写字符识别
来源期刊 华东理工大学学报(自然科学版) 学科 工学
关键词 GPU CUDA 手写字符识别 深度置信网络
年,卷(期) 2015,(2) 所属期刊栏目 研究论文
研究方向 页码范围 210-215
页数 6页 分类号 TP391
字数 4805字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林家骏 华东理工大学化工过程先进控制和优化技术教育部重点实验室 171 1083 15.0 26.0
2 陆军建 华东理工大学化工过程先进控制和优化技术教育部重点实验室 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (56)
参考文献  (7)
节点文献
引证文献  (5)
同被引文献  (41)
二级引证文献  (53)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(16)
  • 引证文献(2)
  • 二级引证文献(14)
2019(30)
  • 引证文献(3)
  • 二级引证文献(27)
2020(12)
  • 引证文献(0)
  • 二级引证文献(12)
研究主题发展历程
节点文献
GPU
CUDA
手写字符识别
深度置信网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华东理工大学学报(自然科学版)
双月刊
1006-3080
31-1691/TQ
16开
上海市梅陇路130号
4-382
1957
chi
出版文献量(篇)
3399
总下载数(次)
2
总被引数(次)
27146
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导