数字手写体的深度信念网络识别方法

• 作者: 李纳新 苑强
• 来源期刊: 工业技术创新
• 学科: 工学
• 关键词: 数字手写识别 深度信念网络 Dropout训练
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 技术设计
• 页码范围: 921-924
• 页数: 4页
• 分类号: TP391.43
• 字数: 2473字
• 语种: 中文
• DOI: 10.14103/j.issn.2095-8412.2016.05.025

摘要

深度信念网络可以通过低层特征组合抽象形成更高层的特征，具有良好的学习能力，其无监督学习特点减少了人工劳动量。主要研究了使用深度信念网络（DBN）对手写数字进行识别的方法，实验表明设计识别数字的网络模型时的最佳层数为5层。使用MNIST数据库中的60000个图片训练深度信念网络，再使用MNIST中的另外10000个图片测试网络，得出高达93.42%的准确率，高于同等条件下的SVM。另外，在深度学习网络中引入Dropout参数，可以在使用少量样本的情况下获得更高的识别准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑强	青岛科技大学信息学院	1	0	0.0	0.0