基于LeNet-5模型的手写数字识别优化方法

摘要：

作为深度前馈人工神经网络的一种,卷积神经网络在图像识别领域得到了成功应用.其中,最经典的卷积神经网络模型就是LeNet-5模型.在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式.优化后的训练方式能够减少预处理工作量,加快识别速度.实验结果表明:在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更高的识别率.

关键词：图像识别、卷积神经网络、LeNet-5模型、MNIST字符库、手写数字识别

所属期刊栏目：47

分类号：TP183(自动化基础理论)

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3177-3181