基于TensorFlow的卷積神經網絡的應用研究.pdf

1、隨著大數據時代的到來，計算機硬件性能的不斷提升，深度學習作為新興的機器學習方法被用于有效地分析和處理這些數據。深度學習的核心思想是采用一系列的非線性變換，從原始數據中提取由低層到高層、由一般到特定語義的特征。而卷積神經網絡尤其擅長在高維復雜數據結構中提取有效特征。正是這種豐富的特征表達能力使得卷積神經網絡在圖像識別與分類、目標檢測與定位、人機博弈、無人駕駛等領域應用廣泛。TensorFlow是谷歌公司開源的深度學習平臺，也目前最受歡迎的

2、機器學習框架。本文基于TensorFlow研究卷積神經網絡，并在此平臺基礎之上實現卷積神經網絡模型，解決實際問題。具體工作如下:
　　首先，對深度學習的基本方法進行了介紹，重點研究了卷積神經網絡結構中的卷積層和池化層，并且搭建了TensorFlow實驗平臺，深刻理解TensorFlow的工作原理及框架結構。
　　其次，具體分析了LeNet-5模型結構，使用兩個卷積層加一個全連接層構建一個簡單的卷積神經網絡解決手寫體數字識別問