-
题名基于ReLU函数的卷积神经网络的花卉识别算法
被引量:21
- 1
-
-
作者
郭子琰
舒心
刘常燕
李雷
-
机构
南京邮电大学
-
出处
《计算机技术与发展》
2018年第5期154-157,163,共5页
-
基金
国家自然科学基金(61070234
61071167
+1 种基金
61373137)
国家大学生创新创业训练计划项目(SZDG2016024)
-
文摘
目前对于花卉识别的工作较少,且在已有实验结果中,识别准确率和识别计算速度偏低,需要改进算法、改善实验结果。卷积神经网络由于其可以将图像直接作为输入对象从而避免人工提取特征过程的误差,且在各种外物因素下(光照、旋转、遮挡等)具有良好的鲁棒性,所以在图像识别方面具有巨大的优势。因此选取卷积神经网络对花卉进行识别。在传统卷积神经网络中,一般选用Sigmoid函数作为激活函数,但是使用这种函数需要进行预训练,否则将会出现梯度消失无法收敛的问题。而采用近似生物神经激活函数ReLU则可以避免这一问题,提高机器学习的效果和速度。最终达到了92.5%的识别正确率。
-
关键词
ReLU函数
卷积神经网络
花卉识别
近似生物神经激活函数
-
Keywords
ReLU
CNN
recognition of flower
approximate biological nerve activation function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种嵌入式计算平台的Sigmoid函数优化方法
被引量:13
- 2
-
-
作者
林钰棽
魏云龙
陈琪琪
张威
邱志敏
-
机构
福州大学物理与信息工程学院
华南理工大学电子与信息学院
中国科学院大学中国科学院长春光学精密机械与物理研究所
北京航空航天大学电子信息工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第10期2053-2058,共6页
-
基金
数字福建物联网工程应用实验室建设项目(82917002)资助。
-
文摘
Sigmoid函数作为人工神经网络常用的激活函数,属于超越函数.传统的计算方法复杂度高、资源消耗大,在嵌入式平台上计算效率较低,针对此问题,本文提出一种新的优化方法——分段极限近似法.首先根据Sigmoid函数在中间变化快、两端变化缓慢的特点,将其分为常数区和非线性拟合区;其次,根据第2个重要极限公式将Sigmoid函数中的e指数计算转换为log2n次乘法计算,简化e指数计算进而降低Sigmoid函数运算复杂度.最后,在嵌入式计算平台上建立BP神经网络并利用UCI经典数据集对所提出的方法进行验证.实验结果表明在ARM Cortex-M平台上实现Sigmoid函数,利用分段极限近似法比利用标准C math库的exp函数实现在运算速度上提高23.67倍,同时其拟合误差在平均绝对误差小于0.001的情况下不会造成神经网络判别准确率的下降.
-
关键词
Sigmoid激活函数
非线性拟合
分段极限近似法
ARM
Cortex-M
BP神经网络
-
Keywords
Sigmoid activation function
nonlinear fitting
piecewise limit approximation
ARM Cortex-M
BP neural network
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名人工神经网络的应用与发展
被引量:1
- 3
-
-
作者
毕宏光
张俊
-
机构
江苏省计量测试研究所
南京工业大学制药与生命科学院
-
出处
《江苏科技信息》
2001年第12期24-25,共2页
-
文摘
什么是人工神经网络人工神经网络(artificial neural network,简称ANN)是在对大脑的生理研究的基础上,用模拟生物神经元的某些基本功能元件(即人工神经元),按各种不同的联结方式组成的一个网络。模拟大脑的某些机制,实现某个方面的功能,可以用在模仿视觉、函数逼近、模式识别、分类和数据压缩等领域。
-
关键词
人工神经网络
模式识别
激活函数
生物神经元
网络计算
数据压缩
函数逼近
生理研究
人工神经元
应用与发展
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-