Convolutional Neural Networks Optimized by Logistic Regression Model

Softmax函数 分类器(UML) 逻辑回归 MNIST数据库 模式识别(心理学) 人工智能 计算机科学 卷积神经网络 二次分类器 人工神经网络 机器学习
作者
Bo Yang,Zuopeng Zhao,Xinzheng Xu
出处
期刊:IFIP advances in information and communication technology 卷期号:: 91-96 被引量:1
标识
DOI:10.1007/978-3-319-48390-0_10
摘要

In recent years, convolutional neural networks have been widely used, especially in the field of large scale image processing. This paper mainly introduces the application of two kinds of logistic regression classifier in the convolutional neural network. The first classifier is a logistic regression classifier, which is a classifier for two classification problems, but it can also be used for multi-classification problems. The second kind of classifier is a multi-classification logistic regression classifier, also known as softmax regression classifier. Two kinds of classifiers have achieved good results in MNIST handwritten digit recognition.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
奕初阳发布了新的文献求助10
1秒前
夜离殇完成签到 ,获得积分10
2秒前
3秒前
baba小天后发布了新的文献求助10
4秒前
Weining发布了新的文献求助10
6秒前
风评发布了新的文献求助10
6秒前
酥酥完成签到,获得积分20
7秒前
冷傲的一刀完成签到,获得积分10
7秒前
maozhehai29999完成签到 ,获得积分20
7秒前
晚意意意意意完成签到 ,获得积分10
8秒前
8秒前
cherlia发布了新的文献求助10
10秒前
11秒前
小二郎应助fkwwdamocles采纳,获得10
11秒前
12秒前
Singularity应助开放的大侠采纳,获得10
12秒前
zho应助开放的大侠采纳,获得10
12秒前
eltiempo完成签到 ,获得积分10
13秒前
搞怪山晴完成签到,获得积分20
14秒前
14秒前
14秒前
gaochunjing发布了新的文献求助10
14秒前
nenoaowu发布了新的文献求助10
15秒前
15秒前
十七发布了新的文献求助10
16秒前
Hello应助Boooooo采纳,获得10
19秒前
范断秋完成签到 ,获得积分10
19秒前
19秒前
郝好完成签到 ,获得积分10
19秒前
生动的天亦完成签到,获得积分10
20秒前
ly发布了新的文献求助10
20秒前
22秒前
超级泽洋发布了新的文献求助20
22秒前
辣手摧花526完成签到,获得积分10
22秒前
24秒前
Carissa完成签到,获得积分10
24秒前
雁兰完成签到,获得积分10
24秒前
24秒前
young发布了新的文献求助10
26秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150257
求助须知:如何正确求助?哪些是违规求助? 2801405
关于积分的说明 7844390
捐赠科研通 2458892
什么是DOI,文献DOI怎么找? 1308773
科研通“疑难数据库(出版商)”最低求助积分说明 628562
版权声明 601721