基于極速學(xué)習(xí)機(jī)的深度學(xué)習(xí)在圖像分類上的研究

《基于極速學(xué)習(xí)機(jī)的深度學(xué)習(xí)在圖像分類上的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、＇＾辛’。．．＇－索取號(hào)忘ｒ＇吉三與ＴＰ１８３碟級(jí)：＇公巧．一＇．＇－＂山二心｜＾．Ｖ＊三．＇－＾？巧＇一．、；一／＇諸．．．：０故打皆；辟：ｖ聲■輿＇．＇＇■：■＾．ｒ＾．：＾：．巧護(hù)站犧：成斬皆＼．：，?。В牐嘿嵚汓I？讀．轉(zhuǎn)終乂《．＇—：苗：占黨巧３等霉議弘，氣鱗義鑛蔡鷄Ｂ：＾，主Ａ＾議；１；顯斗學(xué)位論文屬議誦謹(jǐn)鷄ｉ｜：：．．Ｐ彎．：：：．別：．巧：：七魏礙去虎遺馬聽(tīng)：矯：＾．矜私嘴讀；。戰(zhàn)哦：’＇；＇＾．：苦；筵送與潔茲試證：韓為誕裝．乂。把強(qiáng)苗轉(zhuǎn)詩(shī)這懲苗錢魅．．．巧雜徽喊受

2、峨攀ｆ斬璃纖ｆｃ，纖編歡基去．．靡麵疏——、：’＞瑚類．議銷韻證蘇絶襲掌灣擁嚷？繊讓議丫：廣足辦這賀駕＾黎．寒Ｉ祭綜窩＇．、．一—作忠：―：奇巧：．．－Ｌ１，：藥寮聲禱祭，０＾繼：鑛轉(zhuǎn)＇１議ｉ名于誠(chéng)學(xué)習(xí)機(jī)的深度學(xué)習(xí)．１露１｜議１．、－’－＇．．‘．’：；．＾－－一＇－＇’．吝心：＇＾１．如，：Ｍ．＾：：一：＾／心與甲．；知於；：＞．葉；＾；ｉ稱３？款在圖像分類上的研究：繼ｉｌｉｐｉｉ：：．＾氣．皆；．．，：■誠(chéng)苗華賴藉難每巷黃機(jī)礙＾，．．．．．邊器雜鑛ｉｉ義祭議試＇．＇．’‘；．、、〇＾；＾Ｗ：

3、－對(duì)：．：．＇：＇：，ｊ：＂‘－嘴齡邸磚財(cái)．與解ｒ’：，巧群取戶＾黃絲－遍觀茲＾ｓ驚蒙巧．研究生．讚―曉：去蘇：說(shuō)線皆霉顯巧心議巧毛式．＇．Ｐ．達(dá)．二－．．．―：辭說(shuō)：’．班墻傲；’古‘占：培—；＇．破‘．：．．茲．曹、苗萬(wàn)點(diǎn)指導(dǎo)教脈ｒ：．寶香教授審萬(wàn)鷄拳繫也強(qiáng)璋？豁．．＊．？廷泣晏鄰叟葫杳與Ｖ－；：＾潔；常幕斬．１么站藝琴，？卷．．誓獄靡難鶴縣媒巧軍．，，副研究賞媒哨絡(luò)轉(zhuǎn)興簾每巧惠發(fā)戸：議＾＇；ｆ鑽曰‘．培養(yǎng)單化淆息科學(xué)與工程華院巧讀Ｓｉ編Ｐ貞為史菊康．技：．．；＾，呀：；．－；盧片皆蠟盤；斧空藏

4、：、二粗：心?。В海弧?jí)學(xué)科衫計(jì)算機(jī)科學(xué)與技術(shù)；、二－‘；’殘超Ｖ？Ｉ．．巧詩(shī)ｉＴ紅產(chǎn)；．＇與苗祭＞完成時(shí)既：，．．Ｖ／：縷豬等蘇萬(wàn)ｔ．耀６年４月１０目—―：－＇■＇甘：＇．．－薪苗裝心麵姑；帶式絳Ｖ－答辯腫卸：Ｖ２０１６年《月１日＞■■＇－．讀巧巖灘議霄礙懇：■－＇：；．：．，，．：＾：；＃＜：，．：．片章直著貪Ｔ韻辨、強(qiáng)漠韻方＇；＇。｜咕換，．．巧、：帶巧‘．；＇；＾ｆ＇試＊文－如處山，．；摘要摘要隨著信息技術(shù)的不斷發(fā)展，以神經(jīng)網(wǎng)絡(luò)為載體的深度學(xué)習(xí)逐漸成為了現(xiàn)階段各種先進(jìn)技術(shù)的代名

5、詞。神經(jīng)網(wǎng)絡(luò)技術(shù)從上世紀(jì)出現(xiàn)以后，各種基于神經(jīng)網(wǎng)絡(luò)的模型逐漸用來(lái)解決實(shí)際場(chǎng)景中的各種問(wèn)題。特別是在2012年的大規(guī)模圖像分類競(jìng)賽中，基于深度學(xué)習(xí)的模型將分類結(jié)果提升了11個(gè)百分點(diǎn)以后，便促進(jìn)了現(xiàn)階段深度學(xué)習(xí)浪潮的形成。深度學(xué)習(xí)技術(shù)將人們從繁雜的人工設(shè)計(jì)特征轉(zhuǎn)換成了自動(dòng)學(xué)習(xí)有效特征，強(qiáng)化模型抽象學(xué)習(xí)的能力，極大的促進(jìn)了圖像識(shí)別、圖像檢測(cè)、語(yǔ)音識(shí)別、追蹤等技術(shù)的發(fā)展。極速學(xué)習(xí)機(jī)自從2004年提出以來(lái)，在過(guò)去的十幾年間，有了長(zhǎng)足的發(fā)展。首先各種理論研究的出現(xiàn)為極速學(xué)習(xí)機(jī)的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)，其次基于極速學(xué)習(xí)機(jī)的應(yīng)用，將其拓展到了真實(shí)場(chǎng)景中。不過(guò)在極速學(xué)習(xí)機(jī)

6、中，不管從權(quán)值初始化還是更為有效的特征表達(dá)以及深度學(xué)習(xí)模型上，都有許多問(wèn)題需要解決。本文從極速學(xué)習(xí)機(jī)入手，探索了其權(quán)值初始化和分布式表達(dá)，并且提出并驗(yàn)證了卷積極速學(xué)習(xí)機(jī)。本文將通過(guò)如下三個(gè)方面開(kāi)展：首先，對(duì)權(quán)值初始化進(jìn)行了研究，探究了權(quán)值初始化對(duì)于極速學(xué)習(xí)機(jī)的影響。所提出的方法可以解決極速學(xué)習(xí)機(jī)的隨機(jī)特征表達(dá)不具有緊湊性和判別性的問(wèn)題，同時(shí)為其他方法提出了一個(gè)快速有效的權(quán)值初始化的解決方案；其次，對(duì)于極速學(xué)習(xí)機(jī)的特征表達(dá)進(jìn)行了研究。分布式表達(dá)是特征表達(dá)中比較常用的方式，在極速學(xué)習(xí)機(jī)不需要權(quán)值調(diào)整的前提下，提出了基于極速學(xué)習(xí)機(jī)的分布式特征表達(dá)方式，不但可

7、以將類別信息通過(guò)特征組合引入模型結(jié)構(gòu)中，而且提高了極速學(xué)習(xí)機(jī)的性能；最后，通過(guò)對(duì)于全鏈接和卷積神經(jīng)網(wǎng)絡(luò)關(guān)聯(lián)的探究，提出了基于分布式表達(dá)的卷積極速學(xué)習(xí)機(jī)，將極速學(xué)習(xí)機(jī)從卷積方面拓展到了深度學(xué)習(xí)層面。卷積學(xué)習(xí)由于是對(duì)于局部感受野的學(xué)習(xí)，能夠保留更多的局部信息，使其特征表達(dá)方式更為具有代表性。極速學(xué)習(xí)機(jī)便通過(guò)卷積化的操作，獲得了更為抽象和具有代表性的卷積層特征。這不但將卷積學(xué)習(xí)和極速學(xué)習(xí)機(jī)進(jìn)行了融合，而且所提出的結(jié)構(gòu)也取得了非常好的結(jié)果。關(guān)鍵詞：極速學(xué)習(xí)機(jī)，卷積神經(jīng)網(wǎng)絡(luò)，分布式表達(dá)，權(quán)值初始化IAbstractAbstractWiththedevelopme

8、ntoftheinformationtechnology,DeepLearningbasedo