《表1 卷积神经网络架构：建立时间戳识别模型的一种新方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《建立时间戳识别模型的一种新方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了识别64*32的数字图片，采用卷积神经网络转换高维空间到低维空间，最终映射到[0-9]编号的10个类别。概括来说，第一层首先是三个使用RELU激活函数的卷积层和池化层[7]。神经元在同一卷积层上共享卷积核，特征可以在不同部分共享。池化层又称采样层，在本模型中采用最大池化（Max Pooling）。最大池化操作在规定大小的矩阵中提取最大值，保留在池化层中输出。经过池化层后，特征值进一步压缩，图像变得更小，特征更加突出。接着全连接层学习所有局部特征，最后一个全连接层通过softmax函数归一化数据，输出代表10个类别的10维向量[8]。模型的详细网络结构如表1所示。