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:
针对传统手写数字识别方法识别率较低的问题,提出一种融合卷积神经网络(F-CNN)模型.通过结合暹罗网络(SN)模型和二进制卷积神经网络(B-CNN)模型的高级特征,扩展网络高级层的尺寸,增强F-CNN模型的特征表达能力.在网络训练过程中,设计周期性数据打乱策略,提高F-CNN模型的收敛速度,更好地实现手写数字识别.在MNIST数据集上的实验结果表明,融合模型对于手写数字的识别准确率达到99.10%,识别性能优于SN模型和B-CNN模型.
推荐文章
基于改进卷积神经网络的手写数字识别
手写数字识别
卷积神经网络
SVM分类器
基于卷积神经网络的藏文手写数字识别
藏文手写数字
数字识别
CNN
数据预处理
样本训练
自动识别
基于卷积神经网络的手写体数字识别系统
卷积神经网络
手写体数字
Linux
QT
基于深度卷积自编码神经网络的手写数字识别研究
卷积自编码神经网络
双线性插值
手写数字识别
深度学习
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 基于融合卷积神经网络模型的手写数字识别
来源期刊 计算机工程 学科 工学
关键词 手写数字 融合模型 卷积神经网络 数据打乱策略 收敛速度
年,卷(期) 2017,(11) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 187-192
页数 6页 分类号 TP391.41
字数 5102字 语种 中文
DOI 10.3969/j.issn.1000-3428.2017.11.030
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 朱荣 武汉大学国家多媒体软件工程技术研究中心 17 112 6.0 10.0
2 王中元 武汉大学国家多媒体软件工程技术研究中心 39 199 8.0 12.0
3 陈玄 武汉大学国家多媒体软件工程技术研究中心 2 47 2.0 2.0
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  (31)
参考文献  (8)
节点文献
引证文献  (21)
同被引文献  (77)
二级引证文献  (33)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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(7)
  • 引证文献(7)
  • 二级引证文献(0)
2019(30)
  • 引证文献(9)
  • 二级引证文献(21)
2020(17)
  • 引证文献(5)
  • 二级引证文献(12)
研究主题发展历程
节点文献
手写数字
融合模型
卷积神经网络
数据打乱策略
收敛速度
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导