一种耦合深度信念网络的图像识别方法

针对网络层数增加带来的梯度消失问题,提出了一种耦合深度信念网络的图像识别方法.该方法将"跨层"连接引入到深度信念网络中并应用于图像识别.给出了耦合深度信念网络的结构示意图及其参数更新方法,并在相同数据集和网络层数情况下比较了具有最佳参数的深度信念网络与最佳参数的耦合深度信念网络的识别性能,分析了"跨层"连接中主、次线耦合比例对网络性能的影响,且与几种经典的深度学习方法进行了对比.实验结果显示,耦合深度信念网络在收敛速度与识别精度上均优于深度信念网络.同时,相比于经典的深度网络,文中所提方法获得了良好的识别性能.这说明采用"跨层"耦合方式可有效缓解深度信念网络训练过程中出现的梯度消失问题,提高网络的识别性能.

细菌觅食算法优化归一化准则的彩色图像分割

为了求解彩色图像分割问题,采用一种基于离散细菌觅食算法优化归一化准则的彩色图像分割方法。引入模糊C均值聚类算法对图像预处理,降低算法维度;同时用细菌觅食优化算法求解Ncut的最小值,提高了算法的稳定性和收敛速度;通过最优个体菌得到分割结果。实验表明,该方法能够较好地分割图像,优于SM算法和遗传算法处理问题的分割效果,且耗时少。

我国科技创新后备人才培养的理性审视

大力培养科技创新后备人才,是我国在未来国际竞争中博得先机的重要保障。文章首先从国际格局、现有政策和科技教育现状指出我国急需重视科技创新人才的早期培养;然后,基于国际视野动态审视科技创新后备人才的培养理论和实践经验,进一步思考科技创新人才早期培养的批判性认识和关键问题;最后,在科学学习兴趣、科学教师培养、绿色通道、协同赋能、构建生态和纵向研究等方面对我国科技创新后备人才培养提出建议,以期推进我国相应的政策布局与实践创新。