基于tensor-flow神经网络算法改进的人脸识别

摘要：

针对传统应用于CIFIR-10数据集的基于tensor-flow神经网络算法需要对数据集进行人为预处理、容易过拟合和准确率低等缺点,改变特征维度和加入卷积层CNN以提升迭代速率,通过drop out、权重衰减和L2正则化方法改善过拟合问题,并使用梯度下降法对神经网络模型进行优化,得到了收敛速率局部波动,但准确率、迭代效率都有较好的结果,为神经网络的设计提供了理论参考.

关键词：人脸识别、卷积神经网络、正则化方法、过拟合、收敛

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

资助基金：教育部人文社科基金项目17YJCZH157;深圳市科技研发基础研究项目JCYJ20160530141956915

在线出版日期：2019-05-31（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：1-6