基于卷积神经网络模型的手写数字辨识算法研究

作者：张烁; 张荣

来源：计算机应用与软件, 2019, 36(08): 172-261.

• CNN
• 参数优化
• 手写数字

针对目前基于卷积神经网络模型(CNN)手写数字辨识算法收敛速度慢、识别率低的问题,设计一种CNN网络模型。在模型训练时,改进模型学习率,使学习率指数可以动态衰减;使用Dropout正则化方法,提高模型的泛化能力;与批量随机梯度下降法、Momentum算法、Adagrad算法、RMSprop算法、Adam算法等参数优化方法作比较。实验结果表明:基于RMSprop或Adam的优化算法CNN模型在对MNIST数据集进行训练时,算法收敛速度快、测试集识别准确率为99.40%或99.70%。

• 单位
  山西青年职业学院; 山西医科大学