基于优化反向传播算法的物体识别技术

摘要：

误差反向传播算法是适合于深度学习中多层神经元网络的一种学习算法,它建立在梯度下降法的基础上.反向传播算法主要由两个环节(激励传播、权重更新)反复循环迭代,直到网络对输入的响应达到预定的目标范围为止.本论述首先介绍物体检测和物体识别的概念,然后对图像检索系统所涉及的深度学习、卷积神经网络、反向传播算法、梯度下降和激活函数等相关概念进行了介绍.最后在卷积神经网络中分别采用了ADAGRAD、ADADELTA、ADAM、ADAMAX、NADAM、SGD和RMSPROP等七种优化方法对COIL100数据集中的72个对象进行训练并得出结果进行比较分析,结果表明,Adadel?ta优化器在图像数据集上提供了更好识别的结果.

关键词：深度学习、卷积神经网络、物体识别、反向传播、人工智能

所属期刊栏目：50

分类号：TP183(自动化基础理论)

在线出版日期：2021-04-19（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：5-7