期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于部分连接神经网络的序列数据分类算法研究 被引量:1
1
作者 张素莉 《现代电子技术》 北大核心 2016年第9期111-113,共3页
研究梳理了序列数据的定义,并且分析了5种类型的序列数据,结合局部连接神经网络的特点,研究了基于局部连接神经网络的序列数据的分类算法。使用该算法进行计算,学习与收敛速度较快,对于自适应建模与控制十分适用,利用方形基函数进行计算... 研究梳理了序列数据的定义,并且分析了5种类型的序列数据,结合局部连接神经网络的特点,研究了基于局部连接神经网络的序列数据的分类算法。使用该算法进行计算,学习与收敛速度较快,对于自适应建模与控制十分适用,利用方形基函数进行计算,在网络输出过程中注意只能利用方形函数来逼近光滑函数。由于序列数据分类运算在数据挖掘中存在巨大的优势,因此对序列数据算法的研究具有很高的理论与应用价值。 展开更多
关键词 部分连接神经网络 序列数据 分类算法 方形基函数
下载PDF
基于部分连接神经网络的场景识别
2
作者 张月 潘伟 陈晓熹 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2010年第4期482-486,共5页
目前基于图像的场景识别的方法都依赖于对图像特征的选取及特征数目的精简.提出了一种基于部分连接演化神经网络模型来进行图像场景识别的新方法:不对图像进行特征提取,而是将待识别图像的每个像素都作为神经网络的输入.为了克服新方法... 目前基于图像的场景识别的方法都依赖于对图像特征的选取及特征数目的精简.提出了一种基于部分连接演化神经网络模型来进行图像场景识别的新方法:不对图像进行特征提取,而是将待识别图像的每个像素都作为神经网络的输入.为了克服新方法由于大量神经元引起的模型训练时间过长问题,将基于C语言计算架构的演化神经网络模型创造性地移植到基于图形处理器(GPU)的通用并行计算构架(CUDA),神经网络的演化训练速度提高200倍以上.在实验中,尽管输入的图像大小达到300×400像素(120 000个输入神经元),但CUDA的部分连接演化神经网络对场景图像有较强的识别能力,对亮度、缩放、旋转等变化也有较好的鲁棒性. 展开更多
关键词 场景识别 部分连接演化神经网络 CUDA
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部