摘要
在手写阿拉伯数字识别系统中,传统手写数字识别算法准确率不高.基于LeNet-5卷积神经网络算法,提出一种轻量化的卷积神经网络算法.利用全局平均池化算法代替原有的全连接层降低算法训练参数的规模;利用RELU函数代替tanh函数作为激活函数、增加BN层等方法来加速网络模型的收敛速度.利用MNIST手写数据集设计了验证实验,实验表明,改进后的算法不但训练参数规模只有LeNet-5训练参数规模的1/3,而且相较于LeNet-5改进后的算法准确率上升了约0.4％.由此证明该算法具备较高的应用及推广价值.
基金项目
安徽高校省级自然科学研究项目:(KJ2014A024)
NETL
NSTL
万方数据