需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：9057 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:計算機自從被發(fā)明以來，使得整個信息學(xué)科技術(shù)得到飛速發(fā)展，人們的生存方式也因為計算機這一工具得到跨越式的改變。但是工具只是工具，在絕大多數(shù)事情上，機器還是需要人類來對事物進行抽象與判斷，那么科技發(fā)展，計算機能否進一步發(fā)展，自身能夠領(lǐng)有理解概念做出判別的能力，真正意義上成為“電子大腦”。 人工智能之所以能成為當下最火熱的話題，是因為它不再是圖靈空泛的希望，大數(shù)據(jù)和相關(guān)算法的開花結(jié)果，使它變成了可能。本論文就這一熱點，將深度學(xué)習(xí)應(yīng)用于圖片辨認，分析傳統(tǒng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)之間存在的差異，重點研究人工神經(jīng)網(wǎng)絡(luò)中深度學(xué)習(xí)模型和原理，運用了深度卷積神經(jīng)網(wǎng)絡(luò)搭建了一個基于cifar-10數(shù)據(jù)集的圖片識別模型。 關(guān)鍵字：圖像識別技術(shù)；人工神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)
目錄 摘要 ABSTRACT 1.緒論-1 1.1課題研究背景及意義-1 1.2國內(nèi)外研究進展-2 2.圖像識別技術(shù)-3 2.1 圖像識別過程-3 2.1.1圖像預(yù)處理-3 2.1.2特征提取-3 2.1.3識別分類-3 2.2圖像特征-4 2.3分類器-4 2.3.1貝葉斯-5 2.3.2決策樹-5 2.3.3支持向量機-6 2.3.4集成學(xué)習(xí)方法-6 3.人工神經(jīng)網(wǎng)絡(luò)-7 3.1神經(jīng)元結(jié)構(gòu)-7 3.2前反饋神經(jīng)網(wǎng)絡(luò)-8 3.3訓(xùn)練神經(jīng)網(wǎng)絡(luò)-8 3.4傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的問題-9 4.深度學(xué)習(xí)-10 4.1深度學(xué)習(xí)概念-10 4.2深度學(xué)習(xí)特征提取-11 4.3深度卷積神經(jīng)網(wǎng)絡(luò)-12 4.3.1卷積層-13 4.3.2下采樣層-13 4.3.3全連接層-14 4.4深度卷積網(wǎng)絡(luò)模型-14 5.基于深度學(xué)習(xí)的圖像識別-15 5.1 caffe簡介及環(huán)境搭建-15 5.1.1caffe深度學(xué)習(xí)工具-15 5.1.2caffe開發(fā)環(huán)境搭建-15 5.2網(wǎng)絡(luò)搭建-16 6.總結(jié)-20 致 謝-21 參考文獻-22 |
