查询结果:   张烁,张荣.基于卷积神经网络模型的手写数字辨识算法研究[J].计算机应用与软件,2019,36(8):172 - 176,261.
中文标题
基于卷积神经网络模型的手写数字辨识算法研究
发表栏目
人工智能与识别
摘要点击数
445
英文标题
HANDWRITTEN DIGITAL RECOGNITION ALGORITHM BASED ON CNN MODEL
作 者
张烁 张荣 Zhang Shuo Zhang Rong
作者单位
山西青年职业学院计算机系 山西 太原 030024 山西医科大学计算机教学部 山西 太原 030001    
英文单位
Computer Science Department,Shanxi Youth Vocational College, Taiyuan 030024, Shanxi, China Computer Instruction,Shanxi Medical University, Taiyuan 030001, Shanxi, China    
关键词
CNN 参数优化 手写数字
Keywords
CNN Parameter optimization Handwritten numbers
基金项目
山西医科大学校级基金项目(XJ2018099)
作者资料
张烁,讲师,主研领域:人工智能,移动互联技术。张荣,讲师。 。
文章摘要
针对目前基于卷积神经网络模型(CNN)手写数字辨识算法收敛速度慢、识别率低的问题,设计一种CNN网络模型。在模型训练时,改进模型学习率,使学习率指数可以动态衰减;使用Dropout正则化方法,提高模型的泛化能力;与批量随机梯度下降法、Momentum算法、Adagrad算法、RMSprop算法、Adam算法等参数优化方法作比较。实验结果表明:基于RMSprop或Adam的优化算法CNN模型在对MNIST数据集进行训练时,算法收敛速度快、测试集识别准确率为99.40%或99.70%。
Abstract
Aiming at the problems of slow convergence speed and low recognition rate of handwritten numeral recognition algorithm based on convolutional neural network model (CNN), we designed a CNN network model. The learning rate of the model was improved so that the learning rate index can be attenuated dynamically. Dropout regularization method was used to provide the generalization ability of the model. Finally, we compared this method with the batch random gradient descent method, Momentum algorithm, Adagrad algorithm, RMSprop algorithm and Adam algorithm emphatically compared. The experimental results show that when training MNIST data sets based on RMSprop or Adam optimization algorithm CNN model, the algorithm converges fast and the recognition accuracy of test sets is 99.40% or 99.70%.
下载PDF全文