Поиск по всему репозиторию:
Редуцированная сверточная нейронная сеть для точного распознавания рукописных цифр
Открыть/скачать файлы документа
Дата издания
2016Издательство
БрГТУУДК
004Библиографическое описание
Редуцированная сверточная нейронная сеть для точного распознавания рукописных цифр / В. А. Головко [и др.] // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2016. – № 5. – С. 2–6 : ил. – Библиогр.: с. 6 (22 назв.).Аннотация
В данной статье рассматривается сверточная нейронная сеть для распознавания рукописных цифр. Разработана упрощенная архитектура сверточной нейронной сети, которая позволяет классифицировать рукописные цифры с точностью 99.29% (ошибка тестирования 0.71%), что является лучшим результатом в классе неглубоких (shallow) сверточных нейронных сетей.
Аннотация на другом языке
The convolutional neural network for accurate handwritten digit recognition is considered. In this work we have shown, that high accuracy can be achieved using reduced shallow convolutional neural network without adding distortions for digits. The main contribution of this paper is to point out how using simplified convolutional neural network is to obtain test error rate 0.71% on the MNIST handwritten digit benchmark. It permits to reduce computational resources in order to model convolutional neural network.
URI документа
https://rep.bstu.by/handle/data/992Документ расположен в коллекции
- 2016 [20]
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция-Некоммерчески») 4.0 Всемирная.