10.3969/j.issn.1004-8626.2016.04.014
受限制Boltzmann机深度置信网络与手写数字识别
手写数字因为每个人的书写习惯不同而差异很大。手写数字快速有效的识别一直是图像识别领域的热门话题。提出了一种基于受限制Boltzmann机组成的深度置信网络应用于手写数字识别的算法。对训练样本图片中的手写数字进行定位,分块,计算每块的特征值;用由受限制Boltzmann机组成的深度置信网络对样本特征值进行无监督学习;使用训练好的神经网络对待测样本进行深度特征提取。结果表明:该算法可行,相对于浅层学习,深度学习在图像特征提取上有了很大提高。
受限制Boltzmann机、深度学习、手写数字识别
24
TP391.41(计算技术、计算机技术)
国家自然科学基金61370188;北京印刷学院校级重点项目Ea201506;协同创新中心:绿色印刷与出版技术PXM2016_014223_000025
2016-09-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
56-58