资源描述：
《基于某深度卷积神经网络地图像分类》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、实用标准SHANGHAIJIAOTONGUNIVERSITY论文题目：基于卷积神经网络的自然图像分类技术研究姓名:高小宁专业：控制科学与工程文案大全实用标准基于卷积神经网络的自然图像分类技术研究摘要：卷积神经网络已在图像分类领域取得了很好的效果，但其网络结构及参数的选择对图像分类的效果和效率有较大的影响。为改善卷积网络的图像分类性能，本文对卷积神经网络模型进行了详细的理论分析，并通过大量的对比实验，得出了影响卷积网络性能的因素。结合理论分析及对比实验，本文设计了一个卷积层数为8层的深度卷积网络，
2、并结合BatchNormalization、dropout等方法，在CIFAR-10数据集上取得了88.1%的分类精度，有效地提高了卷积神经网络的分类效果。关键词：卷积神经网络，图像分类，BatchNormalization，DropoutResearchonNaturalImageClassificationBasedonConvolutionNeuralNetworkAbstract:Convolutionneuralnetworkhasachievedverygoodresultsinim
3、ageclassification,butitsnetworkstructureandthechoiceofparametershaveagreaterimpactonimageclassificationefficiencyandefficiency.Inordertoimprovetheimageclassificationperformanceoftheconvolutionnetwork,aconvolutionalneuralnetworkmodelisanalyzedindetail
4、,andalargenumberofcontrastiveexperimentsareconductedtogetthefactorsthatinfluencetheperformanceoftheconvolutionnetwork.Combiningthetheoryanalysisandcontrastexperiment,aconvolutionlayerdepthconvolutionnetworkwith8layersisdesigned.CombinedwithBatchNorma
5、lizationanddropout,88.1%classificationaccuracyisachievedonCIFAR-10dataset.Whichimprovestheclassificationeffectofconvolutionneuralnetwork.KeyWords:Convolutionneuralnetwork(CNN),imageclassification,BatchNormalization,Dropout文案大全实用标准目录基于卷积神经网络的自然图像分类技术研
6、究-1-1引言-3-2卷积神经网络的模型分析-4-2.1网络基本拓扑结构-4-2.2卷积和池化-5-2.3激活函数-6-2.4Softmax分类器与代价函数-7-2.5学习算法-8-2.6Dropout-10-2.7BatchNormalization-11-3模型设计与实验分析-12-3.1CIFAR-10数据集-12-3.2模型设计-13-3.3实验结果与分析-15-4结论-22-参考文献-23-文案大全实用标准1引言1986年,Rumelhart等提出人工神经网络的反向传播算法(Backp
7、ropagation,BP),掀起了神经网络在机器学习中的研究热潮。但是由于BP神经网络存在容易发生过拟合、训练时间长的缺陷,90年代兴起的基于统计学习理论的支持向量机具有很强的小样本学习能力。学习效果也优于BP神经网络，导致了神经网络的研究再次跌入低估。2006年,Hinton等人在Science上提出了深度学习.这篇文章的两个主要观点是:1)多隐层的人工神经网络具有优异的特征学习能力,学习到的数据更能反映数据的本质特征，有利于可视化或分类;2)深度神经网络在训练上的难度,可以通过逐层无监督训
8、练有效克服。理论研究表明为了学习到可表示高层抽象特征的复杂函数,需要设计深度网络。深度网络由多层非线性算子构成,典型设计是具有多层隐节点的神经网络。但是随着网络层数的加大,如何搜索深度结构的参数空间成为具有挑战性的任务。近年来,深度学习取得成功的主要原因有：文案大全实用标准1)在训练数据上,大规模训练数据的出现(如ImageNet),为深度学习提供了好的训练资源;2)计算机硬件的飞速发展(特别是GPU的出现)使得训练大规模神经网络成为可能。卷积神经网络(Convolutionalneuralne
