基于深度學習的圖像識別與文字推薦系統(tǒng)的設計與實現(xiàn).pdf

1、深度學習(DL，Deep Learning)是機器學習(ML，Machine Learning)的一個重要方法和研究方向，屬于人工智能(AI，Artificial Intelligence)領域的重要分支。隨著大數(shù)據(jù)技術的發(fā)展，深度學習迎來了又一個快速發(fā)展的時期，這也使得深度學習理論與算法研究煥發(fā)新的活力。
　　卷積神經(jīng)網(wǎng)絡(CNN，Convolutional Neural Network)作為深度學習模型的代表，是模擬視覺系統(tǒng)層

2、次化的工作模式，在人工神經(jīng)網(wǎng)絡的基礎上構建具有層次化結構的人工網(wǎng)絡模型。其局部感知、層次結構化等特點在處理圖像識別問題上具有巨大優(yōu)勢，在現(xiàn)代模式識別領域獲得了廣泛應用。本文在整理與總結國內(nèi)外深度學習的基本理論成果與在工程上的應用現(xiàn)狀，并對卷積神經(jīng)網(wǎng)絡結構分析的基礎上，結合Word2Vec與TensorFlow深度學習框架，開發(fā)了圖像識別與文字推薦系統(tǒng)，以工程應用為背景對其理論成果進行研究。
　　本文主要進行了以下幾項工作:整理國內(nèi)

3、外深度學習的研究成果，并對深度學習的背景與應用進行總結;分析卷積神經(jīng)網(wǎng)絡與Word2Vec的結構與基本原理，并對理解網(wǎng)絡模型所需的基本算法進行了介紹;設計本文的圖像識別與文字推薦系統(tǒng)，并以經(jīng)典CNN網(wǎng)絡結構為基礎設計基于本文推薦的卷積神經(jīng)網(wǎng)絡結構;進行數(shù)據(jù)集的準備、深度學習框架的搭建及本文模型訓練工作，并實現(xiàn)本文圖像識別與文字推薦系統(tǒng);
　　通過以上工作，本文從工程項目應用的角度驗證了深度學習在圖像識別與自然語言處理問題上的優(yōu)勢。