Image recognition based on convolutional deep confidence networks

MNIST数据库 卷积神经网络 计算机科学 深度学习 人工智能 模式识别(心理学) 过程(计算) 特征提取 机器学习 集合(抽象数据类型) 程序设计语言 操作系统
作者
Baifang Niu,Hu Li,Wenxin Chen,Hongjun Han
标识
DOI:10.1109/icsp58490.2023.10248879
摘要

At present, the inspection of power plant equipment generally relies on labor, while the control of unsafe behaviors of personnel completely depends on the on-site supervision of safety supervisors. With the development of artificial intelligence, the intelligent inspection and fault recognition technology of power plants based on video AI algorithm have made breakthroughs, among which the core intelligent recognition and infrared image conversion are both based on picture recognition. This paper introduces the background of picture recognition and the development of deep learning. The paper studies the use of convolutional deep confidence network to identify MNIST, and shows the process of using this network to identify the experiment of handwritten number set, and the final recognition rate reached 99.2%. Finally, the accuracy of the most commonly used convolutional neural network is compared with the convolutional deep confidence network, and a control experiment is designed to study the influence of the learning rate and the iteration number on the recognition rate. Experiments show that convolutional deep confidence networks can be easily competent in identifying handwritten numbers.
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
wang5945发布了新的文献求助10
刚刚
刚刚
zhuo完成签到,获得积分10
刚刚
zcbb完成签到,获得积分10
刚刚
ccyy完成签到 ,获得积分10
1秒前
糖糖糖唐完成签到,获得积分10
1秒前
Xx完成签到,获得积分20
1秒前
不晚发布了新的文献求助10
1秒前
keroro完成签到,获得积分10
2秒前
ning发布了新的文献求助10
2秒前
南柯完成签到,获得积分10
3秒前
Fengliguantou完成签到,获得积分20
3秒前
3秒前
兮兮完成签到,获得积分10
3秒前
4秒前
黄子发布了新的文献求助10
4秒前
林山相晚暮完成签到,获得积分20
4秒前
研友_8DoPDZ完成签到,获得积分10
4秒前
dyj发布了新的文献求助10
4秒前
4秒前
小心科研发布了新的文献求助10
4秒前
5秒前
6秒前
6秒前
丁sir发布了新的文献求助10
8秒前
曾经如凡完成签到,获得积分10
9秒前
科研通AI2S应助Aurora采纳,获得10
9秒前
9秒前
Annabelame完成签到,获得积分10
9秒前
最后一个天才完成签到 ,获得积分10
9秒前
小米发布了新的文献求助10
9秒前
4737发布了新的文献求助10
9秒前
繁荣的柏柳完成签到,获得积分10
10秒前
Li发布了新的文献求助30
10秒前
10秒前
DKE完成签到,获得积分10
10秒前
qawsed完成签到,获得积分10
10秒前
华仔应助dyj采纳,获得10
10秒前
11秒前
倒背如流圆周率完成签到,获得积分10
11秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 500
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 500
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 3104211
求助须知:如何正确求助?哪些是违规求助? 2755498
关于积分的说明 7633314
捐赠科研通 2408986
什么是DOI,文献DOI怎么找? 1278114
科研通“疑难数据库(出版商)”最低求助积分说明 617284
版权声明 599207