基于卷积神经网络的数字分类器的研究与优化

• 作者: 李亚 杜阔
• 来源期刊: 现代电子技术
• 关键词: 数字分类器 卷积神经网络 卷积计算 数字识别 网络结构优化 仿真实验
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 98-103
• 页数: 6页
• 分类号: TN761.93-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.16.023

摘要

数字识别在邮政编码、车牌数字检测识别等场景有着广泛的应用.以Lenet-5卷积神经网络为基础,研究卷积计算量过大和预测速度慢的问题.对不同的卷积层(首层、中间层、尾层)和网络结构进行了改进和优化,采用不同组合的方案使卷积核连接数减少一定的数量,进行仿真实验.实验结果表明,保证在同一准确率的前提下,综合考虑迭代次数和预测时延,在C3层(中间层)做优化最为合适,总结出的规律和方法也可对复杂卷积神经网络优化提供参考,满足实时性要求高、大数据量的应用场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李亚		39	211	7.0	13.0
2	杜阔		1	1	1.0	1.0