检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于深度卷积神经网络的手写数字识别研究

智能计算机与应用 2024年第8期14卷 138-142页

作者：谭琬滢左珊珊邱佩琳李启锐广东石油化工学院计算机学院广东茂名525000

为了进一步提高手写数字的识别准确率,基于深度卷积神经网络对识别过程进行了研究。采用PyTorch框架构建了一个手写数字识别模型;然后,使用MNIST数据集对模型进行训练以及实验测试。实验结果表明,提出的模型对手写数字识别准确率达到99.... 详细信息

为了进一步提高手写数字的识别准确率,基于深度卷积神经网络对识别过程进行了研究。采用PyTorch框架构建了一个手写数字识别模型;然后,使用MNIST数据集对模型进行训练以及实验测试。实验结果表明,提出的模型对手写数字识别准确率达到99.31%,与相关文献、LeNet-5模型和ResNet模型相比分别提高了11.01%、4.31%、3.31%、1.01%、4.31%、4.51%、10.71%和5.31%。

关键词：卷积神经网络手写数字识别 MNIST 深度学习 PyTorch

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的手写数字识别技术研究

安徽电子信息职业技术学院学报 2024年第3期23卷 1-5页

作者：余国庆杨燕婷宗兆星刘光宇赵恩铭周豹大理大学工程学院云南大理671003 上海交通大学海洋智能装备与系统教育部重点实验室上海200240

手写数字识别与我们的生活和工作息息相关,传统的人工判断手写数字方式需要耗费大量精力,并且存在准确性不高和时效性不能保证的弊端。为解决这一问题,采用卷积神经网络方法来进行手写数字识别。首先将MNIST数据集划分为训练集与测试集... 详细信息

手写数字识别与我们的生活和工作息息相关,传统的人工判断手写数字方式需要耗费大量精力,并且存在准确性不高和时效性不能保证的弊端。为解决这一问题,采用卷积神经网络方法来进行手写数字识别。首先将MNIST数据集划分为训练集与测试集,其次在MATLAB上搭建训练LeNet-5与AlexNet两种卷积神经网络模型,之后将测试集导入模型,测试性能,最后再将验证集导入验证模型性能。实验结果表明,AlexNet模型对验证集识别率高于LeNet-5模型,且AlexNet模型的稳定性优于LeNet-5。

关键词： LeNet-5卷积神经网络手写数字识别 MNIST数据集 AlexNet卷积神经网络

基于LeNet-5的手写数字识别的改进方法

在线全文

学校读者我要写书评

暂无评论

电脑知识与技术 2024年第12期20卷 27-30页

作者：张趁香陈黄宇苏州工业园区服务外包职业学院江苏苏州215123

手写体识别是计算机视觉的一个重要研究方向。在手写体识别中,常规方法的泛化性能通常较低。相比之下,人工神经网络能够从样本数据中学习特征表达。文章详细探讨了基于LeNet-5和基于卷积神经网络的手写数字识别方法,并设计了图形用户界... 详细信息

手写体识别是计算机视觉的一个重要研究方向。在手写体识别中,常规方法的泛化性能通常较低。相比之下,人工神经网络能够从样本数据中学习特征表达。文章详细探讨了基于LeNet-5和基于卷积神经网络的手写数字识别方法,并设计了图形用户界面(GUI)进行实际测试。测试结果显示,改进后的LeNet-5模型在手写数字识别上相较于传统LeNet-5模型有一定提升。

关键词：手写数字识别 LeNet-5 深度学习卷积神经网络激活函数

在线全文

学校读者我要写书评

暂无评论

基于手写数字识别APP的智能快递自提柜

中国科技教育 2024年第S1期 28-31页

作者：刘梅杨磊山东省淄博第一中学新疆生产建设兵团第十一师第四中学

选题背景随着电子商务的繁荣,物流需求急剧增长,传统的人力配送方式已无法满足人们的需求。智能快递自提柜作为一种新型的物流末端配送方式,可以24小时不间断提供服务,用户可以根据自己的时间安排随时取件,从而节省了等待配送的时间。同... 详细信息

选题背景随着电子商务的繁荣,物流需求急剧增长,传统的人力配送方式已无法满足人们的需求。智能快递自提柜作为一种新型的物流末端配送方式,可以24小时不间断提供服务,用户可以根据自己的时间安排随时取件,从而节省了等待配送的时间。同时,对于快递公司来说,智能快递柜可以节省人力成本,提高投递效率。本项目将开发一款基于手写数字识别APP的智能快递自提柜.

关键词：手写数字识别智能快递电子商务物流需求人力成本 APP 配送方式快递公司

在线全文

学校读者我要写书评

暂无评论

用于脱机手写数字识别的隐马尔可夫模型

计算机研究与发展 2003年第8期40卷 1252-1257页

作者：刘刚张洪刚郭军北京邮电大学模式识别与智能系统实验室北京100876

将隐马尔可夫模型 (HMM)用于脱机手写数字识别中 ,系统如何建模是一个值得研究的问题在考虑手写数字自身特点及特征抽取的基础上 ,对HMM模型的训练方法及模型参数的选取进行了研究 ,以提高系统识别率在银行票据OCR的应用中 ,与基于... 详细信息

将隐马尔可夫模型 (HMM)用于脱机手写数字识别中 ,系统如何建模是一个值得研究的问题在考虑手写数字自身特点及特征抽取的基础上 ,对HMM模型的训练方法及模型参数的选取进行了研究 ,以提高系统识别率在银行票据OCR的应用中 ,与基于神经网络的方法结合使用 ,使得整张票据的拒识率降低了 3% ,明显提高了银行票据OCR系统的性能 .

关键词：隐马尔可夫模型(HMM) 手写数字识别银行票据OCR

在线全文

学校读者我要写书评

暂无评论

模糊模式的手写数字识别技术研究与实现

重庆大学学报（自然科学版） 2011年第6期34卷 117-122页

作者：代小红重庆工商大学计算机科学与信息工程学院重庆400067 重庆工商大学学术期刊重庆400067

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、... 详细信息

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。

关键词：图像处理手写数字识别模糊识别

在线全文

学校读者我要写书评

暂无评论

手写数字识别中组合式神经网络的构建方法

吉林大学学报（理学版） 2009年第6期47卷 1211-1216页

作者：何东晓周春光刘淼马捷王喆吉林大学计算机科学与技术学院长春130012

将聚类技术和遗传算法相结合,提出一种基于相似度传播算法和遗传算法的神经网络集成方法应用于手写数字识别问题.先分别利用主成分分析和Fisher线性判别分析对数据集进行特征提取,得到两类特征数据集,再利用Bagging方法分别为这两类特... 详细信息

将聚类技术和遗传算法相结合,提出一种基于相似度传播算法和遗传算法的神经网络集成方法应用于手写数字识别问题.先分别利用主成分分析和Fisher线性判别分析对数据集进行特征提取,得到两类特征数据集,再利用Bagging方法分别为这两类特征数据集训练简单的BP神经网络,然后采用相似度传播算法对这些BP神经网络进行聚类,找到作为类簇中心的网络(中心网络),最后利用遗传算法对所有中心网络的权值进行训练,将中心网络进行加权线性集成作为最终分类器.在标准手写数字数据集MNIST上进行测试的实验结果表明,该方法的识别率优于单个神经网络的识别率,并兼顾了分类效率.

关键词：人工神经网络手写数字识别神经网络集成

在线全文

学校读者我要写书评

暂无评论

基于自组织映射的手写数字识别的并行实现

浙江大学学报（工学版） 2014年第4期48卷 742-747页

作者：王一木潘赟龙彦辰严晓浪宦若虹浙江大学超大规模集成电路设计研究所浙江杭州310027 浙江工业大学计算机科学与技术学院浙江杭州310023

针对自组织映射(SOM)神经网络算法实现复杂的问题,提出SOM算法的简化方案及并行硬件电路架构.经典SOM算法中,权值更新函数须使用浮点数乘法、开方以及指数等运算,硬件并行实现十分困难.传统的SOM简化方法的聚类准确率不高,面对手写数字... 详细信息

针对自组织映射(SOM)神经网络算法实现复杂的问题,提出SOM算法的简化方案及并行硬件电路架构.经典SOM算法中,权值更新函数须使用浮点数乘法、开方以及指数等运算,硬件并行实现十分困难.传统的SOM简化方法的聚类准确率不高,面对手写数字识别这类复杂应用,传统方法的识别率十分有限.提出的SOM简化算法可以在保证系统聚类准确率的同时,除去权值更新函数中的复杂运算,易于硬件的全并行实现.基于提出的SOM简化算法及并行电路架构,实现的手写数字识别系统的工作频率为50 MHz,单次输入的学习时间仅需200ns,实时处理性能可达400MCUPS.识别系统针对MNIST样本库的识别准确率超过81%,与经典SOM算法的准确率持平,明显优于其他SOM简化方法.

关键词：自组织映射(SOM) 手写数字识别并行实现现场可编程门阵列(FPGA)

在线全文

学校读者我要写书评

暂无评论

基于改进主成分分析网络的手写数字识别方法

华中科技大学学报（自然科学版） 2018年第12期46卷 101-105页

作者：闵锋叶显一张彦铎武汉工程大学计算机科学与工程学院湖北武汉430205 武汉工程大学智能机器人湖北省重点实验室湖北武汉430205

针对人工特征对于多样性的变化没有很好鲁棒性,并且主成分分析网络提取的特征维数过高导致分类效率低且对内存消耗大的问题,提出了一种主成分分析网络和压缩感知结合的手写数字识别方法.首先,利用改进的主成分分析网络对图像进行特征提... 详细信息

针对人工特征对于多样性的变化没有很好鲁棒性,并且主成分分析网络提取的特征维数过高导致分类效率低且对内存消耗大的问题,提出了一种主成分分析网络和压缩感知结合的手写数字识别方法.首先,利用改进的主成分分析网络对图像进行特征提取;然后,用一个非常稀疏且符合压缩感知RIP条件的随机测量矩阵对抽取的特征空间投影,得到一个低维压缩子空间,该子空间可以保留高维图像特征空间的信息;最后,采用支持向量机对降维后特征进行训练和识别.实验结果表明:该方法识别率高、训练时间短;同时,该方法在加入池化层并进行压缩感知后,特征维数更低,模型内存占用更小,分类识别的速度更快.

关键词：手写数字识别主成分分析网络压缩感知深度学习特征提取