一种改进的LeNet-5卷积神经网络算法

摘要：

LeNet-5卷积神经网络是一种手写数字识别的模型.其通过对输入数据的卷积、激活和池化操作,提取特征值,以达到图像分类.文章在卷积神经网络优化原则的基础上,提出了改良的LeNet-5卷积神经网络模型,该模型优化了激活函数,使用全连接层代替了最后的卷积层,提高了计算速度和稳定性.选取MNIST作为数据集进行了实验,该改进模型的实验结果表明,具其备更好的辨别精度.

关键词：卷积神经网络、LeNet-5、激活函数、全连接层

所属期刊栏目：22

分类号：TP183(自动化基础理论)

资助基金：广西研究生教育创新计划项目No.JGY2019005

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1-3