基于Tensorflow深度学习框架的手写体数字识别模型优化及应用

来源 :自动化技术与应用 | 被引量 : 0次 | 上传用户:windows2xp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
优化后的基于TensorFlow的全连接神经网络模型,在手写体数字数据集上的识别正确率从91.2%提升到98.3%。增加隐藏层和加入RELU激活函数,对提升识别率效果显著,而指数衰减的学习率、滑动平均模型和正则化损失则对识别正确率无明显影响。将改进后的模型,移植到ROS操作系统中,调用已训练好的模型及参数,并将识别功能封装成ROS节点,最后运用消息机制对摄像头采集到的图像消息完成识别。
其他文献
针对电力营销管理信息系统通讯不及时、反应不快捷的问题,提出了物联网通讯的技术方案,将物联网技术、无线通讯技术、传感器技术、数据管理平台有机地结合起来,构建成智能电力营销管理信息系统,使物联网设备(诸如RFID视频识别装置)能够将检测到的底层数据通过通讯协议的接收、分发传递到电力营销管理信息系统平台。本文采用基于J2EE体系的数据管理平台,并且将SSH框架中的B/S模式作为电力营销管理信息系统的数据
针对物联网定位算法很易受注入错误位置的影响,提出了一种基于区块链的物联网安全定位算法。该算法使用区块链分布式账本在物联网设备之间的共享方式。物联网设备被定位后,新位置和相邻节点的列表将添加到区块链中,共享的定位数据会被其他设备用于其定位。为了避免恶意节点发送虚假位置攻击,位置信息添加到区块链之前需进行真实性、正确性、完整性验证。研究结果表明:将安全机制集成到定位过程中,可排除错误数据,降低定位错误