基于深度卷積網(wǎng)絡(luò)學(xué)習(xí)算法及其應(yīng)用研究.pdf

1、深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究過程中一個(gè)全新的領(lǐng)域，是一種目的在于建立和模擬人腦方式進(jìn)行學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，并且能夠模仿人腦的運(yùn)行來處理相關(guān)數(shù)據(jù)，使機(jī)器可以像人類一樣，具有很強(qiáng)的分析學(xué)習(xí)能力，這便是深度學(xué)習(xí)的目標(biāo)。通過深度學(xué)習(xí)，機(jī)器可以對(duì)聲音、圖像以及文字等數(shù)據(jù)進(jìn)行有效識(shí)別。而深度學(xué)習(xí)的本質(zhì)，則是通過構(gòu)建其具有很多的隱含層的機(jī)器學(xué)習(xí)模型和大量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更為有用的特征，從而使之能夠提升分類或預(yù)測(cè)的準(zhǔn)確性。
　　卷積神經(jīng)網(wǎng)絡(luò)(Convol

2、utional Neural Network，CNN)作為深度的監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型，由于具有較高的學(xué)習(xí)效率等特點(diǎn)，已經(jīng)成為眾多科學(xué)領(lǐng)域的研究熱點(diǎn)之一，特別是模式分類領(lǐng)域取得了不菲的成績(jī)。本文通過學(xué)習(xí)及梳理了國(guó)內(nèi)外卷積神經(jīng)網(wǎng)絡(luò)的進(jìn)程及最新研究成果，將詳細(xì)的介紹卷積神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)和特點(diǎn)，并根據(jù)卷積神經(jīng)網(wǎng)絡(luò)多適用于大型數(shù)據(jù)集，從而提出一種針對(duì)小樣本的改進(jìn)算法，引入隨機(jī)退出(dropout)，并且在手寫漢字圖像方面進(jìn)行應(yīng)用，取得了較好