Gradient-Based Learning Applied to Document Recognition LeNet-5部分阅读笔记

最新推荐文章于 2025-07-10 13:18:49 发布
原创 最新推荐文章于 2025-07-10 13:18:49 发布 · 7.8k 阅读 · 15 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了Gradient-Based Learning应用于文档识别的理论基础，包括反向传播计算梯度、卷积网络的局部感受野、权值共享和下采样等关键概念。LeNet-5网络结构由7层组成，通过卷积和下采样层处理32x32像素图像，最终使用RBF单元进行分类。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《Gradient-Based Learning Applied to Document Recognition》

点击打开链接

Background knowledge

1.    Gradient-based learning

2.    Back propagation: gradients can be computed efficiently by propagation from the outputto the input对误差进行反向传播，更新权值

Xn is a vector r

最低0.47元/天 解锁文章

200万优质内容无限畅学
论文要点总结：Gradient-Based Learning Applied to Document Recognition（一）
Harvey_Hawk的博客
07-23 3934
论文阅读：Gradient-Based Learning Applied to Document Recognition（一）（I） II. 用于孤立字符检测的卷积神经网络
LeNet5的论文及理解
热门推荐
mmm_jsw的博客
03-05 2万+
LeNet5网络的来源：Lécun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11):2278-2324. 1. 卷积神经网络（Convolutional Neural Network，CNN）...
经典神经网络的学习--《Gradient-Based Learning Applied to Document Recognition》的学习
m0_52126875的博客
07-07 1656
《Gradient-Based Learning Applied to Document Recognition》的学习
《Gradient-Based Learning Applied to Document Recognition》（LeNet-5）-阅读笔记-深度学习（2）
2301_79707017的博客
06-20 787
这篇论文不仅是CNN的技术蓝图，更展示了如何将理论研究转化为实际应用。阅读原文时可以重点关注：网络结构设计（Section Ⅱ）梯度传播的数学推导（Appendix）工业应用案列（Section Ⅴ）
Gradient-Based Learning Applied to Document Recognition
02-25
该文档对比了现有的字符识别的方法，本文将CNN应用于字符识别中，通过实验验证了其性能。
LeNet论文全文翻译《Gradient-based learning applied to document recognition》(上)
找不到服务器的博客
02-02 3514
目录摘要术语引言 摘要 摘要：用反向传播算法训练的多层神经网络建立了一个成功的基于梯度的学习技术的最佳例子。给定适当的网络体系架构，可以使用基于梯度的学习算法来合成复杂的决策面，该决策面可以以最少的预处理对高维模式(例如手写字符)进行分类。本文回顾了应用于手写字符识别的各种方法，并将它们与标准的手写数字识别任务进行了比较。专门设计用于处理二维(2-D)形状的可变性的卷积神经网络被证明性能优于所有其他技术。   现实生活中的文档识别系统由多个模块组成，包括字段提取，分割，识别和语言建模。一种称为图变换网络(G
论文解读：Gradient-Based Learning Applied to Document Recognition
weixin_73743190的博客
11-06 1144
以文档理解为例，我们表明，通过手动集成单独设计的模块来构建识别系统的传统方式可以被一个统一的、有良好原则的设计范式(称为GTN’s)所取代，该范式允许训练所有模块以优化全局性能标准。给定适当的网络架构，基于梯度的学习算法可以用于合成复杂的决策面，该决策面可以对高维模式(如手写字符)进行分类，只需最少的预处理。通过这种方式，系统不仅提高了识别的准确性，还减少了对手动调整参数的需求。传统的模式识别系统通常依赖于手工设计的特征提取器和分割算法，这导致了对新问题的适应性差，且准确性高度依赖于设计者的经验和知识。
经典神经网络学习笔记之LeNet（附带代码）
u014509577的博客
02-25 4643
       本文是对经典论文“Gradient-Based Learning Applied to Document Recognition”的阅读笔记之一，主要介绍LeNet的结构以及参数个数的计算，结合“DeepLearning for Computer Vision with Python starter bundle”所介绍的原理和实验所写。笔者才疏学浅，还望指教。 一、理论部分  ...
【论文笔记】LeNet-5
m0_46323012的博客
01-13 774
论文：Gradient-Based Learning Applied to Document Recognition 一、前言 LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。 LeNet5 这个网络虽然很小，但是它包含了深度学习的基本模块：卷积层，池化层，全链接层。是其他深度学习模型的基础。 LeNet-5共有7层，不包含输入，每层都包含可训练参数；每个层有多个Feat
CNN学习笔记之LeNet-5模型各层参数理解
Fireman1994的博客
11-28 4038
LeNet-5 模型是Yann LeCun 教授于1998年在论文《Gradient-based learning applied to document recognition》中提出的，它是第一个成功应用于数字识别问题的卷积神经网络。在 MNIST 数据集上，LeNet-5 模型可以达到大约99.2%的正确率。LeNet-5 模型共有7层，如下图所示： 第1层  卷积
CNN-经典论文阅读-(1998, LeNet-5)Gradient-Based Learning Applied to Document Recognition
qq_34621022的博客
03-13 2542
CNN-经典论文阅读-(1998, LeNet-5)Gradient-Based Learning Applied to Document Recognition 这是我阅读的第一篇经典论文，本来应该早点阅读这篇经典之作的，但是每每打开看到长达48页的页码提示，都望而止步。所有的问题都需要正视，经典之所以被人称赞，一定有它的过人之处，所以这一次鼓足勇气，阅读全文，整理出一些摘要，是给自己的一个交代...
Gradient-Based Learning Applied to Document Recognition.pdf
04-17
Gradient-Based Learning Applied to Document Recognition.pdf
论文笔记：Gradient-Based Learning Applied to Document Recognition
程序猿视角
04-24 1万+
MNIST手写体模型 LeNet 经典论文阅读笔记：Gradient-Based Learning Applied to Document Recognition。 用BP算法训练多层神经网络，是梯度学习技术的一个成功的案例。给出一个合适的网络架构，梯度学习算法可以综合处一个复杂的决策面，实现对于类似手写体字符这样高维模式的分类。本文回顾了各种不同的手写体识别方法，并给基于标准任务比较这些算法。卷积神经网络，专门为处理变化较大的二维图形而设计，显示出超越所有其他技术的能力。
LeNet-Gradient-Based Learning Applied to Document Recognition
aong4563的博客
09-17 200
转载于:https://www.cnblogs.com/yunshangyue71/p/11534313.html
【深度学习系列--经典论文解读】Gradient-Based Learning Applied to Document Recognition
最新发布
m0_68266123的博客
07-10 844
该论文首次将卷积神经网络(CNN)成功应用于文档识别任务，提出了经典的LeNet-5架构，通过局部连接、权重共享等创新设计，实现了端到端的手写字符识别。论文还提出图变换网络(GTN)用于统一优化文档识别的各个模块，在MNIST数据集上取得当时最优性能，并实际应用于银行支票识别系统。虽然存在训练数据依赖性强、实现复杂度高等局限，但该工作奠定了现代深度学习文档识别的基础范式，其"自动特征学习"和"全局优化"的核心思想至今仍具指导意义。
经典网络结构Lenet 《Gradient-Based Learning Applied to Document Recognition》
女王の专属领地
03-21 2231
论文地址：http://www.dengfanxin.cn/wp-content/uploads/2016/03/1998Lecun.pdfLeNet5诞生于1994年，是最早的卷积神经网络之一， 并且推动了深度学习领域的发展。自从1988年开始，在许多次成功的迭代后，这项由Yann LeCun完成的开拓性成果被命名为LeNet5。LeNet5的架构基于这样的观点： （尤其是）图像的特征分布在整张...
gradient-based neural dag learning
09-16
gradient-based neural dag learning（梯度优化的神经有向无环图学习）是一种用于构建和训练神经网络结构的方法。它通过学习网络的拓扑结构，即神经网络的连接方式和层次结构，来优化网络性能。 传统的神经网络结构...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值