基于改进LeNet-5网络的数字电表识别

摘要：

目前在水下等特殊应用场景的电表识别研究中,虽然LeNet-5 网络表现良好,但仍存在泛化能力不足、鲁棒性较差等问题.为此,文章基于改进LeNet-5 网络的数字电表识别方法,通过增加激活离群值去除,利用dropout算法和ReLU激活函数增强神经网络泛化能力与鲁棒性.实验结果表明:改进的LeNet-5 网络模型在学习速率为 0.1%和迭代次数为 600 次时,网络精度达到 99.42%.该方法具有较强的运算能力和较高的网络识别精度,可满足水下数字电表识别需求.

关键词：数字识别、改进LeNet-5 网络、dropout算法、特征提取

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省教育厅年大学生创新创业训练计划项目202212746003

在线出版日期：2023-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：165-168