基于改進(jìn)LeNet-5網(wǎng)絡(luò)的數(shù)字電表識別

打開文本圖片集

摘要：目前在水下等特殊應(yīng)用場景的電表識別研究中，雖然LeNet-5網(wǎng)絡(luò)表現(xiàn)良好，但仍存在泛化能力不足、魯棒性較差等問題。為此，文章基于改進(jìn)LeNet-5網(wǎng)絡(luò)的數(shù)字電表識別方法，通過增加激活離群值去除，利用dropout算法和ReLU激活函數(shù)增強神經(jīng)網(wǎng)絡(luò)泛化能力與魯棒性。實驗結(jié)果表明：改進(jìn)的LeNet-5網(wǎng)絡(luò)模型在學(xué)習(xí)速率為0.1%和迭代次數(shù)為600次時，網(wǎng)絡(luò)精度達(dá)到99.42%。（剩余5282字）