基于神经网络算法使用不同隐藏层与训练轮数对手写数字识别准确率变化的研究与观测
计算机视觉与模式识别
2019-02-06 v3 机器学习
神经与进化计算
摘要
近来，Artificial Neural Network (ANN) 可应用于包括商业、医学、工程等绝大多数领域。当今 ANN 最流行的应用方向为模式与序列识别、新颖性检测、字符识别、回归分析、语音识别、图像压缩、股市预测、电子鼻、安全、贷款申请、数据处理、机器人与控制。其广泛应用的优势使 ANN 在 21 世纪日益流行。与其他传统方法相比，ANN 具有有机学习、非线性数据处理、容错与自修复等诸多优势。本文的主要目标是分析神经网络隐藏层对网络整体性能的影响。为展示这一影响，我们在 MNIST 数据集上应用了具有不同层的神经网络。另一目标是观测 ANN 在不同隐藏层数与训练轮数下准确率的变化，并对其进行对比。
引用
@article{arxiv.1809.06188,
title = {Study and Observation of the Variations of Accuracies for Handwritten Digits Recognition with Various Hidden Layers and Epochs using Neural Network Algorithm},
author = {Md. Abu Bakr Siddique and Mohammad Mahmudur Rahman Khan and Rezoana Bente Arif and Zahidun Ashrafi},
journal= {arXiv preprint arXiv:1809.06188},
year = {2019}
}
备注
To be published in the 4th IEEE International Conference on Electrical Engineering and Information & Communication Technology (iCEEiCT 2018)