识别数字,bp神经网络算法,卷积神经网络算法,svm算法,adaboost算法哪种好
看数字图片而定。如果图片较小并且质量还不错,那么通过2层的神经网络就能胜任。对于MNIst数据集(28*28的手写数字),2层神经网络准确率可达99%,svm也有98%以上。
以上实现非常简单,matlab已经有现成工具箱。卷积神经网络通常用于更加复杂的场合,闭合是被图像内容等。
在MNIST数据集上cnn可达99.7%准确率,但是实现起来较为复杂,需要通过开源框架caffe,keras等进行编程。
如果对准确率要求没有达到小数点后两位的程度,用简单的svm,神经网络,softmax等调调参数就行了。
谷歌人工智能写作项目:神经网络伪原创
卷积神经网络通俗理解
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一写作猫。
卷积神经网络具有表征学习(representation learning)能力,能够按其阶层结构对输入信息进行平移不变分类(shift-invaria