基于改进LeNet-5网络的数字电表识别

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：目前在水下等特殊应用场景的电表识别研究中，虽然LeNet-5网络表现良好，但仍存在泛化能力不足、鲁棒性较差等问题。为此，文章基于改进LeNet-5网络的数字电表识别方法，通过增加激活离群值去除，利用dropout算法和ReLU激活函数增强神经网络泛化能力与鲁棒性。实验结果表明：改进的LeNet-5网络模型在学习速率为0.1%和迭代次数为600次时，网络精度达到99.42%。（剩余5282字）

试读结束

目录
monitor