检索结果-南通市图书馆

软件导刊 2012年第12期11卷 172-174页

作者：焦微微巴力登闫斌新疆大学电气工程学院新疆乌鲁木齐830047

提出了一种用BP神经网络识别手写数字的方法。论述了其良好的监督学习功能,并结合轮廓特征提取进行训练,给出了一种基于梯度下降法训练BP神经网络的手写数字识别方法。实验结果表明,该方法简单且有较好的识别效果。

关键词： BP网络手写数字识别轮廓特征梯度下降法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

手写数字识别的前景与难点

数码世界 2016年第1期 69-70页

作者：张晓四川水利职业技术学院

手写数字识别是利用机器或计算机自动辨认手写体阿拉伯数字的一种技术,是光学字符识别技术的一个分支。由于阿拉伯数字通用,并且数字识别和处理也常是一些自动化系统的核心和关键,所以对手写体数字识别的研究通用性强,且意义重大。

关键词：计算机字符识别手写数字识别

基于动态随机卷积神经网络的手写数字识别方法

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于动态随机卷积神经网络的手写数字识别方法

作者：刘威吉林大学

学位级别：硕士

图像分类识别主要是从原始图像里划分兴趣区域并进行准确分割,并在此基础上进行分类识别任务。近年来计算机视觉与模式识别特别是卷积神经网络的发展,为分类识别提供了良好的技术支持。由于图像分类识别在视频监控、人脸识别、图像分类... 详细信息

图像分类识别主要是从原始图像里划分兴趣区域并进行准确分割,并在此基础上进行分类识别任务。近年来计算机视觉与模式识别特别是卷积神经网络的发展,为分类识别提供了良好的技术支持。由于图像分类识别在视频监控、人脸识别、图像分类检索等方面有着广泛的应用前景,因此越来越受到计算机视觉领域研究者的广泛关注与研究。卷积神经网络是近年发展起来,并引起广泛重视的一种图像分类方法,传统识别方法需要训练大量网络参数,造成了训练时间的增加和网络的过拟合;输入集需要进行前期预处理,丢失了图像的原有特征。与传统方法不同,卷积神经网络不需要针对特定的任务采集图像的特征,而是模拟人类的视觉系统层次化、抽象的产生分类结果,卷积神经网络创新的采用了局部感受野,权值共享,卷积采样技术,减少了网络的训练参数数量,提高了识别速度,使得其在图像识别领域得到了广泛应用。本文从神经网络的基本概念和算法入手,深入研究神经网络理论,进而研究卷积神经网络,通过阐述常见卷积神经网络的不足,在传统卷积神经网络上修改网络结构,提出了基于动态随机卷积神经网络,并基于此理论进一步开展手写数字识别方向的研究,最后通过实验验证其网络模型的有效性和实用性。论文的主要工作如下:(1)整理和总结了近年来阐述了图像识别的研究背景和国内外研究现状,特别是卷积神经网络的国内外发展现状,介绍了神经网络和卷积神经网络的基本概念,详细阐述了网络框架和网络参数,包括网络的卷积层,池化层和梯度下降训练方法。(2)针对传统卷积神经网络对于原始图像大小的局限性,本文提出了一种动态随机卷积神经网络结构和一种随机池化方法,避免了原始图像大小的局限性,更大程度了保留了图像的纹理特征和局部特征。实验结果表明,改进的卷积神经网络精度优于传统卷积神经网络。(3)对全文做总结,提出了自身的不足和未来的研究方向。

关键词：卷积神经网络手写数字识别图像识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的手写数字识别方法研究

基于深度学习的手写数字识别方法研究

作者：付云泽宁夏大学

学位级别：硕士

本文所研究内容为基于深度学习的手写数字识别方法。计算机作为如今主流的办公方式载体,通过信息技术将原本复杂繁琐的办公过程电子化、数字化和智能化,这也使得大家对计算机的依赖日趋增加。但很多工作受限于现场情况仍停留在纸面办公... 详细信息

本文所研究内容为基于深度学习的手写数字识别方法。计算机作为如今主流的办公方式载体,通过信息技术将原本复杂繁琐的办公过程电子化、数字化和智能化,这也使得大家对计算机的依赖日趋增加。但很多工作受限于现场情况仍停留在纸面办公,这极大增加了之后对数据统计分析时的工作强度,工作效率也因此降低。因此,大家希望将传统手写办公方式与人工智能相结合。为了改善手写办公的诸多问题,基于深度学习的手写数字识别方法提供了解决方案。在人工智能蓬勃发展的今天,卷积神经网络在计算机领域的不断挖掘研究,让深度学习日渐被人们了解且已大量应用在普通人的生活中。但由于手写数字本身携带的复杂性和多变性,给计算机识别增加了挑战,更高精度和准确率的识别仍是未来的发展方向。本论文研究深度学习在处理复杂大样本前提下的手写数字识别效率问题。目前应对复杂大样本的数据处理不仅依赖于专业高性能设备,所使用的深度学习模型复杂度也在不断增加才能保证识别精度,这无疑增加了普通使用场景的准入门槛,故降低参数量和计算时间,是深度学习应用更加广泛的先决条件。为了提升识别效率,本文提出了一种基于改进Inception结构与DenseNet结构的方案,通过两者的配合实现深度学习识别时间的降低及运算速率的提升。本论文主要内容为:1.通过对多种深度学习框架进行优劣性的理论分析,探索基于Inception和DenseNet结构的改进方案。2.通过对多种深度学习框架进行实验,并对实验数据进行分析,验证在对原有Inception结构进行卷积核尺寸、参数调整之后,加入DenseNet结构可以实现在不牺牲识别精度的前提下,降低运算时间,提升识别效率。实验数据显示,改进后的结构训练精度最高达到99.47%,验证精度最高达到89.45%,单个批次训练时间较改进前模型减少26.15%。

关键词：手写数字识别深度学习卷积核尺寸计算效率

BP神经网络改进及其在手写数字识别中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

BP神经网络改进及其在手写数字识别中的应用

作者：李望晨哈尔滨工业大学

学位级别：硕士

手写数字识别技术是近年来研究的热点。传统数字识别方法中,模版法只能适用于印刷体数字;统计决策法很难反映模式的精细结构特征;句法结构法抗干扰能力太弱等。本文中采用BP神经网络进行手写体数字识别,应用网络极强的非线性数据处理能... 详细信息

手写数字识别技术是近年来研究的热点。传统数字识别方法中,模版法只能适用于印刷体数字;统计决策法很难反映模式的精细结构特征;句法结构法抗干扰能力太弱等。本文中采用BP神经网络进行手写体数字识别,应用网络极强的非线性数据处理能力和容错能力,仅需要把经过预处理和特征提取的大量样本数据矩阵输入给网络就可以得到数字类别输出。但是传统BP神经网络有缺陷无法直接使用,各种网络参数的选择和确定非常复杂而且关键,文中分别对基于梯度下降方式的改进和数值优化思想的改进两大方面进行了分析探讨,通过一个故障模式识别仿真实验来研究不同改进算法的训练和识别性能,基于梯度方式的动量项自适应学习率算法训练非常平稳易于控制训练,识别性能较好,但对于大规模网络训练较慢。基于数值优化的LM-BP算法训练快而且识别性能最好,但训练不易控制且需要较大计算机内存。本文在256M计算机内存环境下使用不同隐节点选取和几种改进方式进行改进BP神经网络手写数字识别实验。由于手写体数字样本的特殊性,文中详细探讨了细化预处理方法和结构特征提取方式。接下来从样本集中选取600组较规范手写体数字样本,经过样本预处理和特征提取后建立网络,选用一种13维样本结构特征向量来反映样本信息。根据MATLAB7.0编程,经过训练和识别测试,隐节点数目采用经验公式选27个节点时性能最好。梯度改进方式中的动量项自适应学习率算法和基于数值优化的LM-BP算法各种性能非常好,训练很快而且识别率最高,识别率能达到90%。文中以图表的形式作了比较。

关键词：人工神经网络 BP算法改进手写数字识别预处理特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于广义回归神经网络的手写数字识别研究

基于广义回归神经网络的手写数字识别研究

作者：骆昕西安科技大学

学位级别：硕士

近几年来，手写数字识别一直都是广大国内外研究者的研究热点，同时也是模式识别领域中最成功的应用之一，在实际生活中有着很广泛的应用。但是由于书写者的原因，使手写数字的随意性很大，所以手写数字的识别精度还有很大的提升空间。... 详细信息

近几年来，手写数字识别一直都是广大国内外研究者的研究热点，同时也是模式识别领域中最成功的应用之一，在实际生活中有着很广泛的应用。但是由于书写者的原因，使手写数字的随意性很大，所以手写数字的识别精度还有很大的提升空间。本文的主要工作是利用神经网络对手写数字进行研究。其工作如下：首先，本文对手写数字图像进行一系列图像预处理，实现了图像灰度化、平滑去噪、二值化、细化和归一化等操作。其次，本文介绍了几种常见的特征提取，本文采取的是特征提取中的粗网格特征提取法，将处理好的手写数字图像用粗网格特征提取特征向量。最后，将径向基神经网络(RBFNN)和广义回归神经网络(GRNN)进行手写数字识别对比研究，然后利用果蝇优化算法(FOA)来优化广义回归神经网络中的扩展常数(SPREAD)，并将优化后的果蝇算法—广义回归神经网络(FOARNN)与广义回归神经网络(GRNN)进行手写数字识别对比研究。实验结果表明，广义回归神经网络(GRNN)比径向基神经网络(RBF)运算速度更快，且对数字识别精度更高，并且具有四层网络的广义回归神经网络比径向基神经网络的隐含层节点在输入信号靠近基函数的中心点时可以产生输出更大的结果，所以前者在学习速度和逼近能力上比后者有更强的优势，手写数字识别速度更快，准确率更高。在优化后的广义回归神经网络，识别率和收敛速度较二者都有很大提升空间。

关键词：手写数字识别图形预处理特征提取径向基函数神经网络广义回归神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习在手写数字识别中的应用

深度学习在手写数字识别中的应用

作者：邢远苏州大学

学位级别：硕士

在模式识别的案例中,手写数字识别是模式识别中的一个重要的研究课题,在当今信息化的社会有非常广阔的应用。但目前对数字识别的研究,仍处在发展阶段,识别效果不够理想。因此,手写数字识别的研究具有重大的现实意义。如今深度学习在许... 详细信息

在模式识别的案例中,手写数字识别是模式识别中的一个重要的研究课题,在当今信息化的社会有非常广阔的应用。但目前对数字识别的研究,仍处在发展阶段,识别效果不够理想。因此,手写数字识别的研究具有重大的现实意义。如今深度学习在许多应用中都取得了比较好的效果,最近的研究结果证明了深度学习在机器学习和人工智能领域的有效性,特别是图像和语音识别领域。因此,深度学习在手写数字识别中的应用研究有着重大的现实意义。本论文基于深度学习中的栈式自编码网络,用自学习初始化参数,然后再逐步调优的方法来解决深层网络的学习问题。提出一种识别精度高的有监督深度特征融合的手写数字识别分类系统。探讨样本数据的不同特征融合技术对于手写数字识别分类模型的精度影响。将MNIST特征、PCA特征和HOG特征有效结合在一起,并用深度自编码网络(栈式自编码)进行二次提取再进行模型分类。实验结果表明,特征拼接+二次提取后的模型分类结果优于仅用人工提取特征方法作为输入的稀疏自编码网络,提升系统正确识别率,证明特征选择在深度学习模型应用过程中的可行性,进一步说明深度学习在手写数字识别应用中的有效性。

关键词：手写数字识别深度学习特征提取特征融合稀疏自编码网络

基于CNN的票据手写数字识别系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CNN的票据手写数字识别系统设计与实现

作者：冯涛哈尔滨工程大学

学位级别：硕士

国内传统制造企业在信息化发展过程中,多存在信息化和数字化水平参差不齐的情况,例如国内离散型制造企业存在大量手写票据的现象仍非常普遍。企业转型过程中,票据在企业内部具有使用范围广、数量大,涉及内容重要等特性。本文针对企业转... 详细信息

国内传统制造企业在信息化发展过程中,多存在信息化和数字化水平参差不齐的情况,例如国内离散型制造企业存在大量手写票据的现象仍非常普遍。企业转型过程中,票据在企业内部具有使用范围广、数量大,涉及内容重要等特性。本文针对企业转型过程中将票据数据统一、规范、整合的要求,研究存量较大的票据手写数字识别技术,实现企业信息数字化和管理系统标准化,以提升工厂管理水平,达到降本增效的目的。针对企业专用手工票据的特点,本文主要内容包括:首先,研究手写票据的图像预处理和数字区域提取技术。其基本思路和流程是:手工票据通过OA系统客户端扫描存入办公系统中,采用Hough变换对票据倾斜校正,结合票据特性定义参考基准点与定位感兴趣区域,针对典型的感兴趣区域进一步图像去噪,去除干扰框线,并分别提取手写数字。其次,针对手写数字区域研究基于卷积神经网络模型的数字识别方法。CNN的模型使用MNIST数据集进行训练学习,通过迁移学习技术,使用企业内部票据图像中的手写数字部分,进行小样本训练与识别。最后,结合企业OA平台、票据处理识别技术,设计并实现票据手写数字识别系统。其中,识别系统包括多算法研究测试与评价的单机版、基于B/S架构的网络版。网络版系统按单机版现有最优处理流程,采用B/S网络服务架构,基于Web服务端与客户端技术、数据库技术实现交互应用。本文通过票据处理实验,验证了预处理方法和处理流程的有效性和可行性;通过BP神经网络、SVM、CNN与采用迁移学习的CNN进行了对比实验,验证了基于迁移学习的CNN票据识别具有更高的识别率;开发实现了基于B/S架构的票据手写数字识别系统网络版软件系统,该系统已在企业内部试用,实现了票据信息数字化查询与统计,工作效率得到提高。

关键词：票据图像手写数字识别卷积神经网络迁移学习

基于卷积神经网络的手写数字识别软件的设计与实现

在线全文

同方学位论文库

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软件的设计与实现

作者：刘荣荣内蒙古大学

学位级别：硕士

卷积神经网络是将人工神经网络和深度学习两种技术结合而产生的一种更新、更快的网络。其特有的局部感受野、降采样和权值共享、隐性特征提取等优点使得其在图像识别领域得到了广泛应用。本文介绍了卷积神经网络模型的基本概念,分析了... 详细信息

卷积神经网络是将人工神经网络和深度学习两种技术结合而产生的一种更新、更快的网络。其特有的局部感受野、降采样和权值共享、隐性特征提取等优点使得其在图像识别领域得到了广泛应用。本文介绍了卷积神经网络模型的基本概念,分析了其优缺点和适用范围,将卷积神经网络应用于手写数字识别,取得了良好效果。论文主要工作如下：(1)本文在遵循LeNet-5模型基础上,减少特定的网络训练参数和连接数目,依据过滤器和特征图的数量的不同,设计并实现了若干网络模型,并以同一数据集作为训练样本,应用于数字识别。(2)对比上述几种网络模型的实验结果,给出了适于本文的网络结构,说明了精简、轻量网络模型的可行性。(3)通过对比上述若干网络模型的学习特性和分类效果,分析了过滤器和特征图数量与识别率之间的关系,简述各个模型的优缺点。(4)本文得出的结论是在现有提供的网络模型基础上,以现有硬件资源为条件,CNN-2模型为最适用模型,网络训练25次收敛,准确率为99.63%。

关键词：卷积神经网络手写数字识别特征抽取图像识别

基于卷积神经网络的手写数字识别算法研究与应用

在线全文

同方学位论文库

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算法研究与应用

作者：马义超河南理工大学

学位级别：硕士

手写数字识别属于基本的图像分类问题,在云计算、金融和邮政等领域具有很高的实用价值。由于手写数字在书写时存在无限制性问题,实现快速有效识别的难度相对较大。随着深度学习相关算法的出现和计算机硬件技术的快速发展,基于卷积神经... 详细信息

手写数字识别属于基本的图像分类问题,在云计算、金融和邮政等领域具有很高的实用价值。由于手写数字在书写时存在无限制性问题,实现快速有效识别的难度相对较大。随着深度学习相关算法的出现和计算机硬件技术的快速发展,基于卷积神经网络的图像分类方法逐渐成为了研究热点。由于卷积神经网络具有较强的函数表示能力和网络泛化能力,识别率往往能超过传统图像分类方法,因此应用卷积神经网络实现手写数字识别的研究具有重要的意义。本文针对现有的卷积神经网络实现手写数字识别方法中存在的问题进行了研究分析,具体内容包括:（1）卷积神经网络训练时,针对卷积核随机初始化导致的收敛速度慢和识别率低的问题,提出一种主成分分析初始化卷积核的卷积神经网络手写数字识别算法。实验结果表明:算法在应用MNIST数据库训练时收敛速度快,在迭代次数受限时识别率高,性能优于随机初始化卷积核的卷积神经网络手写数字识别算法。（2）空间金字塔池化网络进行多尺度训练时,针对空间金字塔池化层到卷积层反向传播非常低效的问题,提出了一种最大值位置映射的反向传播方法。实验结果表明:该方法在应用MNIST数据库分别进行单尺度和多尺度训练时,均方误差曲线均收敛,实现每次迭代时所有网络层参数更新和不同尺度图像之间的参数共享,并且在单尺度训练情况下,网络识别率和均方误差曲线收敛速度相比传统卷积神经网络均有明显提高;在多尺度训练情况下,网络可以对一定缩放范围内的图像进行识别,而识别率变化范围不大。（3）以试卷分数为研究对象,基于Matlab机器视觉工具箱以及Caffe卷积神经网络框架,设计了一种试卷分数识别应用系统,并结合实际情况对系统的权值进行了微调。实验结果表明:该系统可以实现不同尺度图像的输入,并且对于非粘连的手写数字具有很好的识别效果,验证了系统的可行性。

关键词：卷积神经网络主成分分析空间金字塔池化最大值位置映射手写数字识别