资源描述：
《基于深度卷积神经网络的图像分类.docx》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、《人工神经网》课程论文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-23-《人工神经网》课程论文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，并结合
2、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:Convolutionneuralnetworkhasachievedverygoodresultsinimageclassification,bu
3、titsnetworkstructureandthechoiceofparametershaveagreaterimpactonimageclassificationefficiencyandefficiency.Inordertoimprovetheimageclassificationperformanceoftheconvolutionnetwork,aconvolutionalneuralnetworkmodelisanalyzedindetail,andalargenumberofcontrastiveexperime
4、ntsareconductedtogetthefactorsthatinfluencetheperformanceoftheconvolutionnetwork.Combiningthetheoryanalysisandcontrastexperiment,aconvolutionlayerdepthconvolutionnetworkwith8layersisdesigned.CombinedwithBatchNormalizationanddropout,88.1%classificationaccuracyisachiev
5、edonCIFAR-10dataset.Whichimprovestheclassificationeffectofconvolutionneuralnetwork.KeyWords:Convolutionneuralnetwork(CNN),imageclassification,BatchNormalization,Dropout-23-《人工神经网》课程论文目录基于卷积神经网络的自然图像分类技术研究-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-6-2.4S
6、oftmax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--23-《人工神经网》课程论文1引言1986年,Rumelhart等提出人工神经网络的反向传播算法(Backpropagation,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
7、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
8、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：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(C
