TY -的A2 -弗朗哥,莱昂纳多盟——周Liangji AU - Li Qingwu AU -霍,飞云盟——周燕PY - 2017 DA - 2017/02/16 TI -图像分类使用仿生模式识别与卷积神经网络特性SP - 3792805六世- 2017 AB -作为一个典型的深度学习模型,可以利用卷积神经网络(cnn)自动从图像中提取特征使用层次结构的灵感来自哺乳动物的视觉系统。对于图像分类任务,传统的CNN模型采用将softmax功能分类。然而,由于将softmax函数的能力有限,有一些传统的CNN模型的缺陷在图像分类。处理这一问题,结合仿生模式识别新方法(BPR)和cnn提出了图像分类。BPR执行类识别几何覆盖集的联盟在一个高维特征空间,因此可以克服传统模式识别的一些缺点。该方法评估三个著名的图像分类的标准,也就是说,MNIST, AR, CIFAR-10。该方法的分类精度的三个数据集是99.01%,98.40%,和87.11%,分别高得多的比较与其他四种方法在大多数情况下。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/3792805 - 10.1155 / 2017/3792805摩根富林明计算智力和神经科学PB - Hindawi KW - ER