查询结果:   吕刚,郝平,盛建荣.一种改进的深度神经网络在小图像分类中的应用研究[J].计算机应用与软件,2014,31(4):182 - 184,213.
中文标题
一种改进的深度神经网络在小图像分类中的应用研究
发表栏目
人工智能与识别
摘要点击数
911
英文标题
ON APPLYING AN IMPROVED DEEP NEURAL NETWORKS IN TINY IMAGE CLASSIFICATION
作 者
吕刚 郝平 盛建荣 Lü Gang Hao Ping Sheng Jianrong
作者单位
金华广播电视大学理工学院 浙江 金华 321000 浙江工业大学信息工程学院 浙江 杭州 310032    
英文单位
College of Technology, Jinhua Radio and Television University, Jinhua 321000, Zhejiang, China College of Information Engineering, Zhejiang Universtity of Technology, Hangzhou 310032, Zhejiang, China    
关键词
深度学习 卷积神经网络 信念网络 字符识别 图像分类
Keywords
Deep learning CNN Brief networks Character recognition Image classification
基金项目
作者资料
吕刚,讲师,主研领域:模式识别,机器视觉,神经网络。郝平,教授。盛建荣,讲师。 。
文章摘要
基于卷积神经网络和深度信念网络各自的优点,通过把卷积神经网络的局部感受野引入到深度信念网络的单层中,把深度信念网络的单层分成多个子RBM,提出一种改进的深度信念网络。分别用BP网络、卷积神经网络、深度信念网络和改进的深度信念网络对模型MNIST和Cifar-10数据库进行小图像分类识别实验;根据实验结果,改进的深度信念网络在Cifar-10库上错误率为30.16%,比卷积神经网络低了9%,比传统的深度信念网络低了40%; 在MNIST上的识别错误率为1.21%,比传统的深度信念网络分别降低了16%,略高于卷积神经网络。试验结果表明改进的DBN网络在小图像分类应用中是有效的。
Abstract
[JP]Based on the advantages of both convolutional neural networks (CNN) and deep belief networks (DBN) each, by introducing CNN’s local respective field to the single layer of a DBN and dividing such single layer into many sub-RBM (restricted Boltzmann machine), we present an improved DBN. Tiny image classification and recognition experiments is conducted on model MNIST and Cifar-10 database using  BP network, CNN, DBN and improved DBN respectively. According to experimental results, the error rate of the improved DBN on Cifar-10 is 30.16%, 9% decrease than the CNN’s, and 40% decrease than traditional DBN’s; the recognition error rate on MNIST is 1.21%, 16% decrease than traditional DBN’s, and a little higher than CNN’s. Test result demonstrates that the improved DBN is effective in tiny image classification application.[JP]
下载PDF全文