基于卷积神经网络的 MNIST 手写字符识别的激活函数分析-研究论文
这项研究工作部署了一种很有前景的方法来识别手写英文字母和神经数字。 在这项研究工作中，分析和研究了基于深度神经网络的卷积神经网络模型在 MNIST 数据集上的性能。 该标准化数据集包括手写文本，包括数字和字母。 在各种实验中，CNN 的参数在多个实例中配置，以分析其在不同环境下的性能。 虽然主要配置集包括误差函数、激活函数、隐藏层数、时期数、各种优化技术以解决凸和非凸可优化目标函数。 实验结果证明了其与现有艺术相当的有前途的价值。 所讨论模式的结论性能在具有交叉熵误差函数的 sigmoid 激活函数下达到了 99.65 的最高分类率，并且首先将性能延迟评估为不同隐藏层数的度量。
文件下载
评论信息
其他资源
- School Days HQ GPK文件解包工具
- speechChange_dealtime
- 射频与微波功率放大器工程设计.pdf
- 汇编语言与接口技术 冯萍 史新福版答案
- 一个简单的QT tcp客户端和服务器端的相互通信
- C语言程序设计（第四版） 谭浩强，学习指导PDF
- 基于GD32F130的IAP程序
- 北航MIPS多周期CPU
- 人人贷爬虫代码
- 静态网页模板html+css
- 基于FPGA的串口发送彩色图片数据至VGA显示
- 基于ajax+php+mysql数据库实现用户注册登录
- 哈特岛-源码
- mz：将node.js现代化为当前的ECMAScript标准-源码
- catNames2.csv
- jQuery EasyUI 1.5.1 中文API文档(chm、exe、pdf)
- 网口,串口,CAN通用调试软件
- 2021Java字节跳动面试题——面向字节_JVM（上）.pdf
- 语法分析器实验报告
- 邓俊辉计算几何
- 简历模板大全---整理之后的
- automate_online-materials
- EEGlab学习笔记
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明