BP神經(jīng)網(wǎng)絡改進及其在手寫數(shù)字識別中的應用.pdf

1、手寫數(shù)字識別技術(shù)是近年來研究的熱點。傳統(tǒng)數(shù)字識別方法中，模版法只能適用于印刷體數(shù)字；統(tǒng)計決策法很難反映模式的精細結(jié)構(gòu)特征；句法結(jié)構(gòu)法抗干擾能力太弱等。本文中采用BP神經(jīng)網(wǎng)絡進行手寫體數(shù)字識別，應用網(wǎng)絡極強的非線性數(shù)據(jù)處理能力和容錯能力，僅需要把經(jīng)過預處理和特征提取的大量樣本數(shù)據(jù)矩陣輸入給網(wǎng)絡就可以得到數(shù)字類別輸出。但是傳統(tǒng)BP神經(jīng)網(wǎng)絡有缺陷無法直接使用，各種網(wǎng)絡參數(shù)的選擇和確定非常復雜而且關(guān)鍵，文中分別對基于梯度下降方式的改進和數(shù)值優(yōu)化

2、思想的改進兩大方面進行了分析探討，通過一個故障模式識別仿真實驗來研究不同改進算法的訓練和識別性能，基于梯度方式的動量項自適應學習率算法訓練非常平穩(wěn)易于控制訓練，識別性能較好，但對于大規(guī)模網(wǎng)絡訓練較慢。基于數(shù)值優(yōu)化的LM-BP算法訓練快而且識別性能最好，但訓練不易控制且需要較大計算機內(nèi)存。
　　本文在256M計算機內(nèi)存環(huán)境下使用不同隱節(jié)點選取和幾種改進方式進行改進BP神經(jīng)網(wǎng)絡手寫數(shù)字識別實驗。由于手寫體數(shù)字樣本的特殊性，文中詳細探討