典型文献
基于脉冲神经网络的钢材表面缺陷识别研究
文献摘要：
目的 针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题,基于脉冲神经网络,提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络(DCSNN)模型,减少系统消耗和内存占用.方法 首先,采用卷积编码,对输入图片进行特征提取和编码.其次,采用稠密连接算法搭建稠密卷积脉冲神经网络,实现特征重复利用,抑制梯度消失,并通过替代梯度下降算法进行网络训练.最后,在带钢数据集上进行测试,实现带钢缺陷识别.结果 实验结果显示,DCSNN在测试集上的准确率为98.61％,参数量为0.5万,结论 在钢材表面缺陷识别问题上表现出良好效果.
文献关键词：
脉冲神经网络;稠密连接;钢材表面;缺陷识别;替代梯度下降
中图分类号：
作者姓名：
孔玲爽;闵悦;何静;刘建华;张昌凡;黄聪聪
作者机构：
湖南工业大学 电气与信息工程学院,湖南 株洲 412007;湖南工业大学 轨道交通学院,湖南 株洲 412007
文献出处：
引用格式：
[1]孔玲爽;闵悦;何静;刘建华;张昌凡;黄聪聪-.基于脉冲神经网络的钢材表面缺陷识别研究)[J].包装工程,2022(15):13-22
A类：
钢材表面缺陷,DCSNN,替代梯度下降
B类：
脉冲神经网络,缺陷识别,识别算法,算法特征,特征图,图利,识别准确率,参数量,内存占用,卷积编码,稠密连接,重复利用,梯度消失,梯度下降算法,网络训练,带钢,测试集,良好效果
AB值：
0.225252
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
