基于稀疏自编码器的手写体数字识别

• 作者: 余涛
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 稀疏自编码器 无监督学习 特征提取
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 应用研究
• 页码范围: 66,68
• 页数: 2页
• 分类号: TP391.41
• 字数: 1045字
• 语种: 中文

摘要

深度学习是基于深层神经网络的人工智能领域的概念.其架构有卷积神经网络(CNN),深度置信网络(DBN),自动编码器(AE)等.本文描述了一种把稀疏自编码器无监督学习得到的权值矩阵应用于卷积神经网络,而并不直接训练卷积神经网络的图像特征提取方法,并利用提取的特征训练分类器.最终得到的网络分类效果较理想,并且比起传统人工神经网络的图像识别,具有网络参数较少,对图像的平移具有一定的容忍能力,不容易过拟合等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余涛		2	7	1.0	2.0