BP神經(jīng)網(wǎng)絡(luò)改進(jìn)及其在手寫(xiě)數(shù)字識(shí)別中的應(yīng)用.pdf

1、手寫(xiě)數(shù)字識(shí)別技術(shù)是近年來(lái)研究的熱點(diǎn)。傳統(tǒng)數(shù)字識(shí)別方法中，模版法只能適用于印刷體數(shù)字；統(tǒng)計(jì)決策法很難反映模式的精細(xì)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(luò)進(jìn)行手寫(xiě)體數(shù)字識(shí)別，應(yīng)用網(wǎng)絡(luò)極強(qiáng)的非線性數(shù)據(jù)處理能力和容錯(cuò)能力，僅需要把經(jīng)過(guò)預(yù)處理和特征提取的大量樣本數(shù)據(jù)矩陣輸入給網(wǎng)絡(luò)就可以得到數(shù)字類(lèi)別輸出。但是傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)有缺陷無(wú)法直接使用，各種網(wǎng)絡(luò)參數(shù)的選擇和確定非常復(fù)雜而且關(guān)鍵，文中分別對(duì)基于梯度下降方式的改進(jìn)和數(shù)值優(yōu)化

2、思想的改進(jìn)兩大方面進(jìn)行了分析探討，通過(guò)一個(gè)故障模式識(shí)別仿真實(shí)驗(yàn)來(lái)研究不同改進(jìn)算法的訓(xùn)練和識(shí)別性能，基于梯度方式的動(dòng)量項(xiàng)自適應(yīng)學(xué)習(xí)率算法訓(xùn)練非常平穩(wěn)易于控制訓(xùn)練，識(shí)別性能較好，但對(duì)于大規(guī)模網(wǎng)絡(luò)訓(xùn)練較慢。基于數(shù)值優(yōu)化的LM-BP算法訓(xùn)練快而且識(shí)別性能最好，但訓(xùn)練不易控制且需要較大計(jì)算機(jī)內(nèi)存。
　　本文在256M計(jì)算機(jī)內(nèi)存環(huán)境下使用不同隱節(jié)點(diǎn)選取和幾種改進(jìn)方式進(jìn)行改進(jìn)BP神經(jīng)網(wǎng)絡(luò)手寫(xiě)數(shù)字識(shí)別實(shí)驗(yàn)。由于手寫(xiě)體數(shù)字樣本的特殊性，文中詳細(xì)探討