基于连续非对称卷积结构的手写体数字识别

摘要：

为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62％,单张图像识别速度为0.0058 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升.

关键词：连续非对称卷积结构、手写体数字识别、极限学习机、深度学习、批量正则化、MSRA初始化、CUDA并行计算、MNIST数据库

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61540069;装发部共用技术课题项目资助Y6k4250401

在线出版日期：2018-10-22（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：518-523