深度卷積神經(jīng)網(wǎng)絡(luò)及其在手寫體漢字識別中的應(yīng)用研究.pdf

1、人工智能學(xué)科研究的發(fā)展經(jīng)歷了早期的從“推理與搜索”，到充分利用人類知識解決工程問題的“專家系統(tǒng)”時代。近二十年來，其研究的方法又逐步從運用海量數(shù)據(jù)進行“機器學(xué)習(xí)”的時代，步入了當今以“特征表示學(xué)習(xí)”為標志的基于人工神經(jīng)網(wǎng)絡(luò)的“深度學(xué)習(xí)”研究時代。這是一次大的飛躍，它為計算機“自動獲取特征表示”這一人工智能領(lǐng)域的長期性難題提供了一種解決方案，為人工智能研究領(lǐng)域的發(fā)展帶來了新的方向。作為特征表示學(xué)習(xí)時代的代表性技術(shù)—深度學(xué)習(xí)，它的研究從20

2、06年前后開始，它以數(shù)據(jù)為基礎(chǔ)，通過學(xué)習(xí)自動生成特征量而不需要人的參與，并以此來對圖像或問題進行分類。不同的深度學(xué)習(xí)結(jié)構(gòu)，已經(jīng)被成功的應(yīng)用到計算機視覺、語音識別、自然語言處理、生物信息等領(lǐng)域，如深度神經(jīng)網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)以及深度遞歸神經(jīng)網(wǎng)絡(luò)等。
　　本文在整理和總結(jié)了國內(nèi)外有關(guān)深度學(xué)習(xí)模型中深度卷積神經(jīng)網(wǎng)絡(luò)模型的發(fā)展和現(xiàn)有研究成果的基礎(chǔ)上，對深度卷積神經(jīng)網(wǎng)絡(luò)中感受野的性質(zhì)進行了補充和深入研究，并以手寫體漢字識別為

3、應(yīng)用背景，對模型的不同正則化方法進行了理論分析和實驗對比與討論。論文的主要工作如下:
　　1)對深度卷積網(wǎng)絡(luò)模型中感受野的性質(zhì)進行了深入分析，研究推導(dǎo)并建立了感受野與模型中參數(shù)、模型識別率之間嚴格而準確的數(shù)學(xué)關(guān)系模型表達。
　　2)結(jié)合所建立的理論描述模型，通過實驗驗證分析了不同感受野大小對手寫體漢字識別中識別率的影響，為在基于深度卷積神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用中合理選擇感受野的大小提供設(shè)計與理論實踐的參考。
　　3)根據(jù)論文