神经网络视角下连续特征分析的自适应模型构建研究.pdfVIP

神经网络视角下连续特征分析的自适应模型构建研究.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

2024年第1期九江学院学报(自然科学版)(总第144期)

No1ꎬ2024JournalofjiujiangUniversity(naturalscienceedition)(Sum.No144)

神经网络视角下连续特征分析的自适应模型构建研究∗

董露露马宁张黎娜

(安徽开放大学安徽合肥230022)

摘要:针对神经网络视角下进行连续特征分析时精确度不高、分析效率低下的问题ꎬ

文章提出一种以连续卷积进行特征分析的神经网络自适应模型ꎮ模型设计中ꎬ通过将卷积

核的尺寸进一步缩小ꎬ以提高局部特征的提取能力ꎻ同时通过连续的卷积层提高对于非线

性数据的数据表达ꎮ在手写数字、表情识别以及彩色图像等不同数据集上的实验结果表

明ꎬ在处理图像识别任务时ꎬ改进的自适应模型面对连续特征以及非线性特征均能够做到

准确快速识别ꎬ相比其他传统算法优势明显ꎮ

关键词:神经网络ꎬ卷积核ꎬ连续卷积ꎬ特征分析ꎬ网络结构

中图分类号:TP183ꎻG6420文献标识码:A文章编号:---

16749545(2024)010063(04)

DOI:1019717/jcnkijjun202401014

随着机器学习技术的不断发展ꎬ对于目标识是当网络尺寸变得更大时ꎬ参数的数量也会增多ꎬ

别尤其是基于连续特征的图像识别而言ꎬ业内专也就更容易导致过拟合的情况产生ꎮ基于此ꎬ文

家已经提出了多种自适应识别模型ꎮ相对来说ꎬ章提出一种新的卷积网络结构ꎬ该结构包含四个

这些模型的识别能力已达到一定水平ꎬ但是所需卷积层ꎬ通过连续卷积以及相应的后续池化进行

计算成本较大ꎬ计算效率仍然有待提高ꎮ基于此ꎬ数连续数据特征分析ꎮ其结构示意图如图1所示ꎮ

文章提出一种基于两次连续卷积并结合小卷积核

的自适应模型ꎬ以期能够在保证检测任务和目标

检测体量的前提下ꎬ减少计算成本ꎬ提高计算精

度ꎮ图1改进卷积神经网络结构示意图

1连续卷积网络结构从图1可以看到ꎬ改进的神经网络卷积结构

对于深度学习的神经网络而言ꎬ当二维的图包含的卷积层的个数为4ꎬ池化层的个数为2ꎮ当

像数据作为输入量进入模型时ꎬ无需对目标图像数据图像输入之后ꎬ首先通过卷积对数据图像进

[1]

进行数据特征的手动提取ꎮ可以结合相应的卷行预处理ꎬ而后连续历经两个卷积层ꎬ目的是对

[2]

积神经网络ꎬ历经多个池化层以及相应的卷积数据特征进行精化ꎮ之后数据流转到池化层当中ꎬ

层对数据特证进行自动化的提取ꎮ目的是进行降维ꎮ而后通过翻倍得到更加丰富的

在卷积神经网络连续性特征分析方面ꎬ目前数据特征ꎬ并再次经过卷积以及池化的过程ꎬ以

较为常用的解决方案是分别从卷积神经网络的宽得到目标要求的特征向量的输出ꎮ

度以及深度两个方面进行提升ꎮ此类方案尽管可2模型结构参数优化

以提高连续性特征分析的精度ꎬ但是仍然存在两21连续卷积的实现

方面的不足:一是随着卷积神经网络的宽度以及文章提出模型中ꎬ通过小尺寸的卷积核得到

深度的提升ꎬ也即卷积神经网络规模的扩大ꎬ

文档评论(0)

经管专家 + 关注
实名认证
服务提供商

初级会计持证人

专注于经营管理类文案的拟写、润色等,本人已有10余年相关工作经验,具有扎实的文案功底,尤善于各种框架类PPT文案,并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询!

版权声明书
用户编号:6055234005000000
领域认证 该用户于2023年12月17日上传了初级会计

1亿VIP精品文档

相关文档