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:
目前卷积神经网络是智能控制中的重要分支,在卷积神经网络的数据分析过程中,掌握数据的分类方法能提高卷积神经网络的应用效果,保证卷积神经网络在应用过程中能够达到数据分析比对要求,并按照卷积神经网络的实际特点和应用情况做好数据的整理及应用.在分析过程中应围绕卷积神经网络的特点和数据管理要求做好数据特征的提取,并对数据的分类方法进行讨论,通过实验测试的方式掌握数据特征,为卷积神经网络的应用提供有力支持.
推荐文章
基于卷积神经网络的植物图像分类方法研究
卷积神经网络
图像特征
图像分类
全卷积网络
植物图像
数据集
基于多层卷积神经网络的SAR图像分类方法
雷达目标识别
卷积神经网络
深度学习
MSTAR数据
基于卷积神经网络的缺失数据填充方法
缺失数据
填充
卷积神经网络
时空相关性
基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法
合成孔径雷达
目标分类
贝叶斯卷积神经网络
数据增强
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 基于卷积神经网络的数据分类方法
来源期刊 中文信息 学科
关键词 卷积神经网络 数据分类方法 应用研究
年,卷(期) 2021,(1) 所属期刊栏目 信息技术
研究方向 页码范围 7,9
页数 2页 分类号 TP183
字数 语种 中文
DOI 10.12221/j.issn.1003-9082.2021.01.07
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(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)
研究主题发展历程
节点文献
卷积神经网络
数据分类方法
应用研究
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
中文信息
月刊
1003-9082
51-1269/TP
16开
四川省成都市
62-56
1984
chi
出版文献量(篇)
28107
总下载数(次)
38
总被引数(次)
4053
论文1v1指导