%0 Journal Article
%T 基于ReLU 函数的卷积神经网络的花卉识别算法
%J -
%D 2018
%R 10．3969/j．issn．1673－629X．2018．05．035
%X 目前对于花卉识别的工作较少，且在已有实验结果中，识别准确率和识别计算速度偏低，需要改进算法、改善实验结果。卷积神经网络由于其可以将图像直接作为输入对象从而避免人工提取特征过程的误差，且在各种外物因素下(光照、旋转、遮挡等)具有良好的鲁棒性，所以在图像识别方面具有巨大的优势。因此选取卷积神经网络对花卉进行识别。在传统卷积神经网络中，一般选用 Sigmoid 函数作为激活函数，但是使用这种函数需要进行预训练，否则将会出现梯度消失无法收敛的问题。而采用近似生物神经激活函数 ＲeLU 则可以避免这一问题，提高机器学习的效果和速度。最终达到了92.5%的识别正确率
%K ReLU 函数
%K 卷积神经网络
%K 花卉识别
%K 近似生物神经激活函数
%U http://www.xactad.org//oa/darticle.aspx?type=view&id=201805035