《表1 不同的节点数对图像识别产生直接的影响》
神经网络形式是现阶段图像识别技术的一种常见形式,以现有的图像识别技术为基础前提,合理融入现代神经网络算法形式,根据现阶段的需求构建新识别,以满足当前的需求。该形式属于人工智能领域技术,主要是人工神经网络,通过人工智能对人类及动物神经网络分布的特征进行全面的分析,与传统的图像识别技术相对比,该技术更具有优势,融入神经网络算法,提升整体的复杂性与成本性。图像神经被提取捕捉后可利用神经网络程序中的优势,进行精准的识别分类,为人们提供优质的服务[2]。例如,以实际为例,神经网络完成相应的设计后需要进行神经网络的训练,进而保证其图像识别,如某识别中,主要构建两层网络,包含输出神经元、输入层、隐含层,在初始时学习速率通常为0.01-0.6,训练指标为0.001,通过实验验证其不同的节点数对图像识别产生直接的影响,如下表1所示。
图表编号 | XD001140200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.20 |
作者 | 林雨欣 |
绘制单位 | 滑铁卢大学 |
更多格式 | 高清、无水印(增值服务) |