基于自编码算法的痕迹图像识别研究文献综述

 2021-11-02 09:11

毕业论文课题相关文献综述

文 献 综 述一、本课题研究的目的及意义深度学习是一个近几年备受关注的研究领域,在机器学习中起着重要的作用。

深度学习通过建立、模拟人脑的分层结构来实现对外部输入的数据进行从低级到高级的特征提取,从而能够解释外部数据。

机器学习通过算法,让机器可以从外界输入的大量的数据中学习到规律,从而进行识别判断。

机器学习的发展经历了浅层学习和深度学习两次浪潮。

深度学习可以理解为神经网络的发展,神经网络是对人脑或生物神经网络基本特征进行抽象和建模,可以从外界环境中学习,并以与生物类似的交互方式适应环境。

神经网络是智能学科的重要部分,为解决复杂问题和智能控制提供了有效 的途径。

1.1本课题研究的意义痕迹检验是公共安全领域和司法实践活动的重要技术手段。

广义上讲,痕迹检验就是一种图像识别。

然而,与通常图像识别不同的是,痕迹图像的样本十分有限,限制了许多有效图像识别方法的应用。

神经网络有大量参数,经常发生过拟合问题,虽然其识别结果在训练集上准确率很高,但在测试集上效果却很差。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。