基于 Python 与 Tensorflow 的卷积神经网络手写数字识别及不同隐藏层性能比较
计算机视觉与模式识别
2020-02-11 v1 神经与进化计算
摘要
近年来，随着人工神经网络（ANN）的发展，深度学习通过使其更具人工智能特性，给机器学习领域带来了巨大转折。深度学习因其广泛的应用范围（如监控、健康、医疗、体育、机器人、无人机等）而被广泛用于众多领域。在深度学习中，卷积神经网络（CNN）处于将人工神经网络（ANN）与最新深度学习策略相结合的显著进展的中心。它已被广泛用于模式识别、句子分类、语音识别、人脸识别、文本分类、文档分析、场景及手写数字识别。本文的目标是观察 CNN 使用不同数量隐藏层和训练轮次对分类手写数字准确性的变化，并比较这些准确性。为此 CNN 性能评估，我们使用修改后的国家标准与技术研究院（MNIST）数据集进行实验。此外，网络使用随机梯度下降和反向传播算法进行训练。
引用
@article{arxiv.1909.08490,
title = {Recognition of Handwritten Digit using Convolutional Neural Network in Python with Tensorflow and Comparison of Performance for Various Hidden Layers},
author = {Fathma Siddique and Shadman Sakib and Md. Abu Bakr Siddique},
journal= {arXiv preprint arXiv:1909.08490},
year = {2020}
}
备注
To be published in 5th International Conference on Advances in Electrical Engineering (ICAEE-2019)