基于贝叶斯神经网络的赤足迹识别方法

提出利用贝叶斯改进的卷积神经网络进行平面赤足迹识别,通过贝叶斯理论将网络模型中的权重和卷积核参数由点估计改为概率分布的形式,并制作数据集,进行网络训练与验证。同时设置对比试验以探究网络和数据集的性能,用试验数据集、MNIST数据集和试验数据集分别训练未改进网络、改进网络和LeNet网络。结果表明,改进后的网络在数据集上的识别率高于未改进网络,也高于LeNet网络在数据集上的识别率,但低于其在MNIST上的识别率。说明基于贝叶斯理论改进的卷积神经网络能够提高网络模型的泛化能力,可以进一步探究其在赤足迹识别中的应用,同时还需要扩充数据集,提高识别率。