10.3969/j.issn.1008-1151.2020.10.001
一种改进的LeNet-5卷积神经网络算法
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.
卷积神经网络、LeNet-5、激活函数、全连接层
22
TP183(自动化基础理论)
广西研究生教育创新计划项目No.JGY2019005
2020-12-21(万方平台首次上网日期,不代表论文的发表时间)
共3页
1-3