基于BP神经网络的手写数字识别研究(人工智能).doc

基于BP神经网络的手写数字识别研究
1 神经网络……………………………………………………………………………………..
摘要……...…………………………………...…………………………………………………
关键词……...……………………………………………………………………………………

2 BP 神经网络……...……………………………………………………………………………
3基于BP神经网络的手写数字识别……...……………………………………………………
……………………………………………………………………….
BP神经网络的构建……………………………………………………………………….
3. 3 网络的训练………………………………………………………………………………
4 实验结果与分析…………………………………………………………………………….
5 结论…………………………………………………………………………………………
基于BP神经网络的手写数字识别研究
摘要:将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高
的识别率和可靠性.
关键词: BP神经网络;模式识别;图像处理;特征提取
1. 引言
手写数字识别是光学字符识别技术的一个分支,研究如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字. 由于手写体数字的随意性很大,例如,字体的大小、倾斜、笔画的粗细等等,都会对识别结果造成影响. 在过去的数十年中,研究者们提出了许多识别方法,取得了较大的成果. 手写数字识别技术的实用性很强,例如在大规模数据统计(人口普查、例行年检) 、财务、保险、税务、邮件分拣等应用领域中都有广阔的应用前景. 手写数字识别一般通过基于结构的识别法及模板匹配法来进行处理,但识别率和可靠性都不高. 为了提高识别率,就必须寻求新的方法和途径. 近年来, BP神经网络技术取得了巨大发展,它是一种前馈反向型神经网络,具有并行处理信息、自组织、自学习信息等优点,特别适用于模式识别领域. 本文基于BP神经网络原理对手写数字进行识别,通过对1000个手写数字的识别,证实本方法在手写数字识别方面的有效性.
2 BP神经网络
神经网络的概念、原理和设计是受生物、特别是人脑神经系统的启发提出的. 神经网络由大量简单的处理单元来模拟真实人脑神经网络的机构和功能以及若干基本特性,,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一. BP网络能学习和存贮大量的输入- 输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程. 它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小. BP神经网络模型拓扑结构包括输入( input) 、隐层( hide layer)和输出层(output layer) ,如图1所示.
3 基于BP神经网络的手写数字识别
3. 1 输入向量与目标向量
首先对手写数字图像进行预处理,包括二值化、去噪、倾斜校正、归一化和特征提取,生成BP神经网络的输入向量Alphabet和目标向量Tar2get. 其中Alphabet选取40 ×10的矩阵