基于动态随机卷积神经网络的手写数字识别方法

卷积神经网络是近年发展起来，并引起广泛重视的一种图像分类方法，传统识别方法需要训练大量网络参数，造成了训练时间的增加和网络的过拟合；输入集需要进行前期预处理，丢失了图像的原有特征。与传统方法不同，卷积神经网络不需要针对特定的任务采集图像的特征，而是模拟人类的视觉系统层次化、抽象的产生分类结果,卷积神经网络创新的采用了局部感受野，权值共享，卷积采样技术，减少了网络的训练参数数量，提高了识别速度，使得其在图像识别领域得到了广泛应用。本文从神经网络的基本概念和算法入手，深入研究神经网络理论，进而研究卷积神经网络，通过阐述常见卷积神经网络的不足，在传统卷积神经网络上修改网络结构，提出了基于动态随机卷积