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,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.模型设计中,通过将卷积核的尺寸进一步缩小,以提高局部特征的提取能力;同时通过连续的卷积层提高对于非线性数据的数据表达.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,在处理图像识别任务时,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,相比其他传统算法优势明显.
基金项目
安徽省高校自然科学重点项目(2023AH051144)
安徽省高等学校省级质量工程教学研究项目(2019jyxm0906)
安徽省高等学校省级质量工程教学研究项目(2020jyxm0269)
NETL
NSTL
维普
万方数据