作者:
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:
近年来,深度学习在图像识别领域获得了巨大成功,各种深度学习框架也随之开源,而Keras框架较于Tensorflow由于其代码易读,模块化设计更加引人注目.文章对比了基于Tensorflow的softmax方法和基于Keras框架下改进的卷积神经网络方法对MNIST数据集识别的准确率,验证结果表明,前者准确率为0.92,后者高达0.98.
推荐文章
基于Keras的MNIST数据集识别模型
深度学习
Keras
MNIST
数据集卷积神经网络
复杂系统的集对模式识别方法
复杂系统
模式识别
统一集
集对分析
联系数
集对值
基于数据块特征的地面目标识别方法研究
地面目标
图像识别
数据块
匹配
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Keras框架MNIST数据集识别方法研究
来源期刊 汽车实用技术 学科 交通运输
关键词 图像识别 Tensorflow Keras 卷积神经网络
年,卷(期) 2019,(23) 所属期刊栏目 设计研究
研究方向 页码范围 101-103
页数 3页 分类号 U471.15
字数 1610字 语种 中文
DOI 10.16638/j.cnki.1671-7988.2019.23.035
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 杨永翌 长安大学汽车学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (59)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像识别
Tensorflow
Keras
卷积神经网络
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
汽车实用技术
半月刊
1671-7988
61-1394/TH
大16开
西安市未央区凤城七路赛高广场1008室
1976
chi
出版文献量(篇)
13181
总下载数(次)
93
总被引数(次)
9850
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导