局部感受野的宽度学习算法及其应用

• 作者: 徐立庄 李国强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 宽度学习网 局部感受野 神经网络 图像分类
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 162-167
• 页数: 6页
• 分类号: TP389.1
• 字数: 4700字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0122

摘要

为了更快且更准确地对图像进行识别,提出了基于局部感受野的宽度学习算法(Local Receptive Field based Broad Learning System,BLS-LRF),该方法以宽度学习网(Broad Learning System,BLS)为基础模型,与局部感受野(LRF)的思想相结合,从局部特征和全局特征两方面对图像进行特征提取.采用两种图像数据集对网络进行研究,将研究结果和许多传统神经网络进行对比,结果表明BLS-LRF网络的测试精度不仅超过了传统网络的测试精度,而且训练过程所需要的时间有了很大程度的缩短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国强	燕山大学电气工程学院	56	266	9.0	14.0
2	徐立庄	燕山大学电气工程学院	1	0	0.0	0.0