基于卷积神经网络的人脸识别-龙源期刊网https://www.sodocs.net/doc/1214544769.html基于卷积神经网络的人脸识别作者：王嘉鑫邹科文陈义明来源：《电脑知识与技术》2016年第29期摘要：为了了解为何卷积神经网络相比于其他神经网络有更好的特征学习能力，文章对卷积神经网络的近几年发展趋势以及基本结构进行介绍。进行了对于全连接的前向传播以及后向传播的推导，该推导用于阐述神经元的权值更新以及学习率。对卷积神经网络的调参以及参数的解析，阐述了如何对参数训练进行调整来使得小数据集有更好的识别率。关键词：深度学习；卷积神经网络；人脸识别；全连接推导；参数训练中图分类号：TP18文献标识码：A文章编号：1009-3044（2016）29-0187-04深度学习是2006年机器学习领域的泰斗，加拿大多伦多大学的G.E.Hinton教授最先提出的理论，他和他的学生R.R.Salakhutdinov在science上发表了一篇论文。这篇论文主要有两个观点：1）多隐层的人工神经网络拥有更为优势的特征学习能力，学习获得的特征对数据本身的描述更为清晰，使得可视化或分类更为有效；2）深度神经网络（DeepNeuralNetworks，DNN）所产生的在训练上的难点，可以通过“逐层初始化”（layer-wisepre-training）来有效进行解决，而逐层初始化使用的是无监督学习进行实现的。2012年6月，《纽约时报》展露了GoogleBrain项目，该项目是由斯坦福大学机器学习教授AndrewNg和大规模计算机系统的世界顶尖专家JeffDean共同主导，利用16000个CPUCore的并行计算平台来训练“深度神经网络”的机器学习模型，在图像识别和语音识别等的领域都获得了巨大的成功。2013年1月，在百度年会上，百度创始人兼CEO李彦宏宣布成立百度研究院InstituteofDeepLearning（IDL），第一个重点研究的方向就是深度学习。2013年4月，《MITTechnologyReview（麻省理工学院技术评论）》杂志将深度学习列为2013年十大突破性技术（BreakthroughTechnology）之首。深度神经网络是一种逐层贪婪无监督的学习方法，这是一种思想，需要依赖具体的模型去实现。常见的深度学习模型有受限玻尔兹曼机（RestrietedBohzmannMachine，RBM）、深度信念网络（DeepBeliefNetworks，DBN）、堆栈式自动编码器（stackedAuto-encoder，SAE）E31和卷积神经网络（ConvolutionalNeuralNet-works，CNN）。1卷积神经网络卷积神经网络是一种包含卷积层的神经网络，20世纪60年代，Hubel和Wiesel在研究猫的脑皮层中，用于局部敏感和方向选择的神经元时，发现其特殊的网络结构可以有效降低反馈神经网络的复杂性。受研究的启发，模型模仿视皮层的简单细胞和复杂细胞交互处理视觉信息的过程，简单细胞负责响应获得不同方向的边缘信息，而复杂细胞则负责累积相近简单细胞来下载文档原格式(Word原格式，共9页)付费下载-全文完-