基于卷积神经网络的手写体深度学习算法研究

摘要

cqvip:深度学习是多层神经网络运用各种学习算法解决图像、文本等相关问题的算法合集。卷积神经网络作为深度学习的重要算法,尤其擅长图像处理领域。卷积神经网络通过卷积核来提取图像的各种特征,通过权值共享和池化极大降低了网络需要训练的数量级。本文以MINST手写体数据库为训练样本,讨论卷积神经网络的权值反向传播机制和MATLAB的实现方法;对激活函数tanh和relu梯度消失问题进行分析和优化,对改进后的激活函数进行训练,得出最优的修正参数和学习速率。