-
题名基于卷积神经网络的手写数字识别
被引量：30
- 1
-
-
作者
李斯凡
高法钦
-
机构
浙江理工大学信息学院
-
出处
《浙江理工大学学报（自然科学版）》
2017年第3期438-443,共6页
-
基金
浙江省自然科学基金项目(LY14F030025)
国家自然科学基金项目(61402417)
-
文摘
在LeNet-5模型的基础上,改进了卷积神经网络模型,对改进后的模型及网络训练过程进行了介绍,推导了网络模型训练过程中涉及到的前向和反向传播算法。将改进的模型在MNIST字符库上进行实验,分析了卷积层不同滤波器数量、每批数量、网络学习率等参数对最终识别性能的影响,并与传统识别方法进行对比分析。结果表明:改进后的网络结构简单,预处理工作量少,可扩展性强,识别速度快,具有较高的识别率,能有效防止网络出现过拟合现象,在识别性能上明显优于传统方法。
-
关键词
卷积神经网络
手写数字
识别
LeNet-5
-
Keywords
convolution neural network
handwritten numbers
recognition
LeNet-5
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进LeNet-5模型的手写数字识别
被引量：19
- 2
-
-
作者
邓长银
张杰
-
机构
成都信息工程大学通信工程学院
-
出处
《信息通信》
2018年第1期109-112,共4页
-
文摘
在卷积神经网络的基础上改进了LeNet-5模型,建立了更适合于手写数字识别的神经网络模型,并对改进后的模型及网络训练识别过程进行了详细介绍。将改进后的模型用MNIST字符数据库进行验证,分析了不同卷积层特征图数量、每批次训练数等参数对最终识别性能的影响,并与几种常用识别方法进行比对。通过结果可看出,改进后的新型网络结构简单,识别度高,识别速度快,具有鲁棒性好,泛化能力强等优点。说明改进后的神经网络模型对手手写数字具有很好的识别性能,能满足实际应用需求。
-
关键词
深度学习
卷积神经网络
LeNet-5模型
手写数字
识别性能
-
Keywords
Deep Learning
Convolution neural network
LeNet-5 model
handwritten numbers
Recognition performance
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于卷积神经网络模型的手写数字辨识算法研究
被引量：8
- 3
-
-
作者
张烁
张荣
-
机构
山西青年职业学院计算机系
山西医科大学计算机教学部
-
出处
《计算机应用与软件》
北大核心
2019年第8期172-176,261,共6页
-
基金
山西医科大学校级基金项目(XJ2018099)
-
文摘
针对目前基于卷积神经网络模型(CNN)手写数字辨识算法收敛速度慢、识别率低的问题,设计一种CNN网络模型。在模型训练时,改进模型学习率,使学习率指数可以动态衰减;使用 Dropout正则化方法,提高模型的泛化能力;与批量随机梯度下降法、Momentum算法、Adagrad算法、RMSprop算法、Adam算法等参数优化方法作比较。实验结果表明:基于RMSprop或Adam的优化算法CNN模型在对MNIST数据集进行训练时,算法收敛速度快、测试集识别准确率为99.40%或99.70%。
-
关键词
CNN
参数优化
手写数字
-
Keywords
CNN
Parameter optimization
handwritten numbers
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于多参数融合优化的深度神经网络设计研究
被引量：5
- 4
-
-
作者
蒋正锋
廖群丽
-
机构
广西民族师范学院数理与电子信息工程学院
广西理工职业技术学院电子工程与智能化学院
-
出处
《现代计算机》
2021年第31期13-24,共12页
-
基金
广西民族师范学院科研项目(2020YB006)。
-
文摘
针对特定业务分类的需求,无从下手设计深度神经网络模型的问题,提出一种基于多参数融合逐步优化深度神经网络的设计方法。先通过分析样本和类别确定初始的无隐层神经网络模型,然后在初始神经网络的基础上逐步增加隐层,构建多参数融合优化的深度神经网络。基于TensorFlow框架,以手写体数字识别为例,逐步设计一个深度神经网络模型,整个实验过程中不断调整网络结构、激活函数、损失函数、优化器、学习率和样本批次大小,最终设计出多参数融合优化的具有较高准确率的深度神经网络模型,为构建神经网络提供了一种有效的思路。
-
关键词
多参数融合
深度神经网络
TensorFlow
手写体数字
-
Keywords
multi-parameter fusion
deep neural network
TensorFlow
handwritten numbers
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于图像识别斗臂车试验手写记录数据提取研究
- 5
-
-
作者
罗建民
聂霖
徐莹
郑传广
朱祥
-
机构
江门明浩实业集团有限公司
中国电力科学研究院有限公司
-
出处
《电子设计工程》
2023年第9期161-165,172,共6页
-
基金
中国电力科学研究院创新基金(SZ83-20-003)。
-
文摘
针对绝缘斗臂车试验手写记录数据人工审读方式准确率低、耗时长的问题,提出一种基于图像识别技术和深度学习方法的绝缘斗臂车试验手写记录数据提取方法。该方法利用形态学计算实现手写记录中单元格和数字的图像分割,并通过LeNet-5网络结构实现数字的识别与提取。通过MNIST测试集和手写原始记录进行试验,结果表明,该文方法在一次识别的准确性、稳定性和效率等方面均优于人工方法,整体准确率达到99.9%,耗时仅为人工方式的2%。该方法为斗臂车检测工作实现自动化提供一种更方便、更高效的数据处理手段。
-
关键词
手写数字
图像识别
卷积神经网络
数据提取
-
Keywords
handwritten numbers
image recognition
convolutional neural network
data extraction
-
分类号
TN99
[电子电信—信号与信息处理]
-
-
题名基于神经网络的手写数字图像识别研究设计
被引量：4
- 6
-
-
作者
汪愿
-
机构
三峡大学电气与新能源学院
-
出处
《电工材料》
CAS
2021年第6期46-48,共3页
-
文摘
本研究基于BP神经网络的算法,采用自适应学习和附加动量因子的手写数字图像模式识别,利用MATLAB仿真软件测试了大量的手写数字图片。结果表明:本研究手写数字识别具有精度高、识别速度快、误差小、可靠性高的特点。该方法和结果可供手写数字识别系统设计和实际应用方案选取时提供参考。
-
关键词
手写数字
图像识别
自适应学习
神经网络
MATLAB
-
Keywords
handwritten numbers
image recognition
neural network
MATLAB
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的不完整的手写体数字图像识别研究
被引量：1
- 7
-
-
作者
朱世宇
孙令翠
张峤
周建梅
王元珑
-
机构
重庆工程学院
-
出处
《智能建筑与工程机械》
2019年第2期104-106,共3页
-
基金
重庆工程学院校内科研基金资助项目(2018xcxcy06)
重庆市教委科学技术研究项目(KJQN201801901)
+2 种基金
重庆市教委科学技术研究项目(KJQN201801902)
重庆市大学生创新创业训练计划项目资助(201912608011)
重庆市大学生创新创业训练计划项目资助(201912608011)。
-
文摘
对于不完整的手写体数字图像识别,传统识别方法并不具备鲁棒性。本文所作研究主要针对不完整手写体数字图像进行识别。本文首先用传统方法进行实验分析,提出针对性的优化策略。其次通过MNI ST数据集对构建的模型进行训练,并在自建测试集上对模型进行识别测试。实验测试结果表明,针对性的优化策略,对不完整手写体数字图像的识别率有显著提高。
-
关键词
手写数字
识别
深度学习
-
Keywords
handwritten numbers
recognition
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于弹性笔画长度的汉字笔画平面抽取及识别
被引量：1
- 8
-
-
作者
侯艳平
王正群
邹军
沈杰
-
机构
扬州大学信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2007年第6期1500-1501,共2页
-
基金
江苏省高校自然科学基金资助项目(05KJB520102)
扬州大学自然科学资助基金(KK0413160)
-
文摘
针对手写体汉字识别过程中的特征抽取,提出了一种改进的抽取笔画平面的方法。首先,将手写汉字图像进行非线性规一化;然后,利用弹性笔画长度,根据汉字的横竖撇捺四种笔画分别抽取出四种笔画的平面;最后,将四个笔画平面分别均匀划分成S×S个小网格,在每个小格内计算其笔画交叉数目,便得到了一个4S2维的特征向量。实验利用基于最小距离的分类器对含有7600(19类)个汉字的测试集进行了分类,取得了较好的识别效果。
-
关键词
手写体汉字识别
弹性笔画长度
笔画交叉数目
特征抽取
-
Keywords
handwritten Chinese character recognition
elastic stroke length
stroke crossing numbers
feature extraction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于字符边缘特征的手写账号切分算法
- 9
-
-
作者
张闯
吴铭
郭军
-
机构
北京邮电大学模式识别与智能信息系统实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2003年第21期34-35,72,共3页
-
基金
国家"863"计划基金资助项目(2001AA114080)
-
文摘
结合银行票据自动识别系统（Bank-OCR）的开发研究，提出了基于手写数字串边 缘特征的手写数字串的切分算法。文章分析了手写数字串的切分难点，提出了数字账号边缘 特征的概念，并在利用下边缘特征判断连体字符个数的基础上，利用上下边缘中波峰波谷的 特征来对连写数字进行有效切分。实验结果表明对于非限制自由手写数字串的最终切分正切 率达到 86.3%，满足了银行票据的预处理要求。
-
关键词
票据处理
手写账号
字符切分
边缘特征
-
Keywords
Bank check processing
handwritten account numbers
Character segme ntation
Edge feature
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于卷积神经网络(RNN)的手写数字识别
- 10
-
-
作者
周博
赵世元
赵玉雯
-
机构
石家庄铁道大学
-
出处
《数码设计》
2019年第20期57-57,共1页
-
文摘
阿拉伯数字的出现让这个世界在计算领域掀起了一场革命,但是随着时代的进步,数字的增多,人识别数字的错误越来越多,采用图像识别技术识别数字渐渐成为了一个趋势。本文提出使用RNN算法进行手写数字识别,在一定程度上提高了手写数字识别的效率和准确性。
-
关键词
RNN
手写数字
图像识别
-
Keywords
RNN
handwritten numbers
Image recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
