多层前向人工神经网络图像分类算法

摘要：

传统人工神经网络的输入均为向量形式,而图像由矩阵形式表示,因此,在用人工神经网络进行图像处理时,图像将以向量形式输入至神经网络,这破坏了图像的结构信息,从而影响了图像处理的效果.为了提高网络对图像的处理能力,文中借鉴了深度学习的思想与方法,引进了具有矩阵输入的多层前向神经网络.同时,采用传统的反向传播训练算法(BP)训练该网络,给出了训练过程与训练算法,并在USPS手写数字数据集上进行了数值实验.实验结果表明,相对于单隐层矩阵输入前向神经网络(2D-BP),所提多层网络具有较好的分类效果.此外,对于彩色图片分类问题,利用所提出的2 D-BP网络,给出了一个有效的可行方法.

关键词：多层前向神经网络、学习算法、图像分类、梯度优化

所属期刊栏目：45

分类号：TN911.71;TP183

资助基金：国家自然科学基金61672477

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：238-243