基于形变卷积神经网络的手写体数字识别研究 被引量：14

1

作者 茹晓青 华国光 +1 位作者 李丽宏 李莉 《微电子学与计算机》 北大核心 2019年第4期47-51,共5页

本文引入形变卷积模块来增强网络对数字几何变换的建模能力,提出了一种基于改进的形变卷积神经网络手写体数字识别框架,在提高识别精度的同时,还有效的减少了训练的参数量,提高识别速度.本文在手写体数据集及变换后的数据集中进行验证.... 本文引入形变卷积模块来增强网络对数字几何变换的建模能力,提出了一种基于改进的形变卷积神经网络手写体数字识别框架,在提高识别精度的同时,还有效的减少了训练的参数量,提高识别速度.本文在手写体数据集及变换后的数据集中进行验证.实验结果的分析以及与相应算法的比较,证明了本算法是有效的. 展开更多

关键词 手写体数字识别 卷积神经网络 形变卷积

下载PDF 职称材料

基于新特征提取法和量子神经网络的手写数字识别 被引量：11

2

作者 肖婧 谭阳红 《电子测量技术》 2009年第6期84-87,共4页

研究了一种将新特征提取方法(13维特征提取法)与量子神经网络相结合,来实现手写数字识别的方法。13维特征提取法是从每个字符中提取关键的13个特征值,而量子神经网络是将神经元与模糊理论相结合的模糊神经系统,能很好地减少模式识别的... 研究了一种将新特征提取方法(13维特征提取法)与量子神经网络相结合,来实现手写数字识别的方法。13维特征提取法是从每个字符中提取关键的13个特征值,而量子神经网络是将神经元与模糊理论相结合的模糊神经系统,能很好地减少模式识别的不确定度,提高模式识别的准确性。通过使用MNIST样本库仿真比较实验可知,该方法具有设计算法相对比较简单,且识别正确率较高的特点。 展开更多

关键词 手写数字识别 量子神经网络 特征提取

下载PDF 职称材料

基于改进卷积神经网络的手写数字识别 被引量：11

3

作者 杜洋 王展青 《计算机测量与控制》 2018年第7期256-261,共6页

针对试卷卷头手写分数识别问题,提出一种改进卷积神经网络(CNN)的手写数字识别算法;该算法,在网络提取图像特征的过程中改用多层特征融合和混合采样的方式,实现图像特征信息的充分提取;在网络训练阶段采用学习速率自适应的调整策略和增... 针对试卷卷头手写分数识别问题,提出一种改进卷积神经网络(CNN)的手写数字识别算法;该算法,在网络提取图像特征的过程中改用多层特征融合和混合采样的方式,实现图像特征信息的充分提取;在网络训练阶段采用学习速率自适应的调整策略和增加动量项,提高网络训练速度;最后,采用SVM分类器进行分类识别;实验结果表明,该算法有效的提高了手写数字的识别率,减少了训练时间,识别性能优于普通的CNN模型和其它对比方法;在MNIST数据集上的仿真实验充分验证了算法的有效性。 展开更多

关键词 手写数字识别 卷积神经网络 SVM分类器

下载PDF 职称材料

基于高倍特征深度残差网络的手写数字识别 被引量：10

4

作者 赵朋成 冯玉田 涂云轩 《电子测量技术》 2018年第6期86-89,共4页

手写体数字识别是模式识别的一个重要研究领域。由于手写体数字书写风格变化大,传统识别方法识别率不高。近年来深度学习为解决该问题带来了新活力。提出了深度残差网络,将池化层后特征大小减半,将每一级的特征数量变为输入数量的多倍,... 手写体数字识别是模式识别的一个重要研究领域。由于手写体数字书写风格变化大,传统识别方法识别率不高。近年来深度学习为解决该问题带来了新活力。提出了深度残差网络,将池化层后特征大小减半,将每一级的特征数量变为输入数量的多倍,充分挖掘上一层的有效数据。在每一层的末尾添加1×1的卷积层,丰富神经网络表达能力的同时压缩冗余特征,并减少下一层网络参数。实验中采用MNIST数据集作为数据源,同时采用数据增广技术,进一步提高神经网络泛化能力。实验结果表明,方案不但能有效提高手写体数字识别率,而且可以进一步缩减训练时间。 展开更多

关键词 深度学习 深度残差网络 手写体数字识别 数据增广技术

下载PDF 职称材料

基于自组织映射的手写数字识别的并行实现 被引量：9

5

作者 王一木 潘赟 +2 位作者 龙彦辰 严晓浪 宦若虹 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2014年第4期742-747,共6页

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... 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. 展开更多

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)

下载PDF 职称材料

基于量子神经网络的手写体数字识别方法研究 被引量：8

6

作者 吴茹石 彭力 《计算机工程与设计》 CSCD 北大核心 2007年第18期4462-4465,共4页

手写体数字识别问题是模式识别领域的一个重要研究课题。提出了一种基于多层激励函数的量子神经网络和多级分类器组合的手写体数字识别方法,采用MNIST数据库进行训练和测试。实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果... 手写体数字识别问题是模式识别领域的一个重要研究课题。提出了一种基于多层激励函数的量子神经网络和多级分类器组合的手写体数字识别方法,采用MNIST数据库进行训练和测试。实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果,同时也体现出量子神经网络用于模式识别的优越性和潜力。 展开更多

关键词 量子神经网络 多层激励函数 多级分类器 手写体数字识别 模式识别

下载PDF 职称材料

手写体数字字符识别算法仿真比较研究 被引量：6

7

作者 陈龙 郄小美 +1 位作者 黄信静 林虎 《实验室研究与探索》 CAS 北大核心 2017年第1期93-97,103,共6页

采用BP神经网络、原始极限学习机、正则极限学习机和傅里叶变换优化极限学习机算法分别进行手写体数字字符识别仿真实验,通过MINIST数据库中的10 000个手写体数字样本训练神经网络数据传输过程中的参数,用训练所得神经网络参数进行手写... 采用BP神经网络、原始极限学习机、正则极限学习机和傅里叶变换优化极限学习机算法分别进行手写体数字字符识别仿真实验,通过MINIST数据库中的10 000个手写体数字样本训练神经网络数据传输过程中的参数,用训练所得神经网络参数进行手写体数字识别仿真测试。比较4种算法的仿真效果,BP网络识别效果最好、训练速度最慢,原始极限学习机训练速度最快,正则极限学习机和傅里叶变换极限学习机优化算法识别正确率高于原始极限学习机,但增加了算法的时间复杂度。将该手写体数字字符识别仿真实验用于学生实验教学,可加强学生对神经网络相关知识的学习和理解,提高学生编程和工程应用能力。 展开更多

关键词 神经网络 极限学习机 手写数字识别 实验教学

下载PDF 职称材料

基于深度残差网络的手写体数字识别 被引量：5

8

作者 赵朋成 冯玉田 +1 位作者 罗涛 雷安琪 《工业控制计算机》 2017年第10期82-83,共2页

对传统深度残差网络进行改进,将其应用于手写体数字识别中。通过对卷积核大小、移动步长等参数进行调整使其适合手写体数字识别。在池化层使用重叠池化方案,池化单元采用3*3,步长为2,以有效保留上一层有用信息。实验中采用手写体数字数... 对传统深度残差网络进行改进,将其应用于手写体数字识别中。通过对卷积核大小、移动步长等参数进行调整使其适合手写体数字识别。在池化层使用重叠池化方案,池化单元采用3*3,步长为2,以有效保留上一层有用信息。实验中采用手写体数字数据库MNIST作为数据源,通过数据增广技术对训练数据动态扩充,以提高训练效果。实验结果表明,该方案可以有效提高识别率,而训练时间大幅度降低。 展开更多

关键词 手写体数字识别 深度残差网络 深度学习 数据增广 卷积神经网络

下载PDF 职称材料

基于人工智能的手写数字识别方法研究 被引量：2

9

作者 黄明春 田秀云 +3 位作者 谢玉萍 王文华 谢钦 师文庆 《机电工程技术》 2023年第4期185-189,共5页

手写数字识别属于图像分类问题。因个体手写数字的差异,传统的图像分类方法实现快速有效识别的难度相对较大。随着人工智能和计算机硬件技术的快速发展,基于深度学习卷积网络的手写数字识别逐渐成为研究热点。使用PyTorch搭建了经典的... 手写数字识别属于图像分类问题。因个体手写数字的差异,传统的图像分类方法实现快速有效识别的难度相对较大。随着人工智能和计算机硬件技术的快速发展,基于深度学习卷积网络的手写数字识别逐渐成为研究热点。使用PyTorch搭建了经典的网络模型LeNet-5和改进的ResNet18模型进行手写数字识别。采用交叉熵损失函数和Adam优化算法,并设置学习率为0.001,在MNIST数据集上进行了训练和测试,鉴于ResNet18比LeNet-5网络结构深,在训练时花费的时间比LeNet-5多。经过100个Epoch后,使用LeNet-5模型在测试集上准确率达到了99.18%,使用ResNet18卷积模型的准确率高达99.55%,可以识别自制的手写数字,为人工智能识别系统的发展提供了一定的参考价值。 展开更多

关键词 手写数字识别 LeNet-5 ResNet残差网络

下载PDF 职称材料

基于手写体数字识别的激活函数对比研究 被引量：2

10

作者 宋倩 罗富贵 《现代信息科技》 2023年第4期95-97,共3页

针对手写体数据集在卷积神经网络训练时分别使用sigmoid、tanh、relu与mish激活函数进行实验,对这四种激活函数下训练集误差值收敛曲线以及测试集精度曲线进行算法结果分析,实验结果表明,mish激活函数在手写体数据集上进行卷积神经网络... 针对手写体数据集在卷积神经网络训练时分别使用sigmoid、tanh、relu与mish激活函数进行实验,对这四种激活函数下训练集误差值收敛曲线以及测试集精度曲线进行算法结果分析,实验结果表明,mish激活函数在手写体数据集上进行卷积神经网络训练时效果更佳,而同样得出不同的训练数据集、激活函数的选择会影响算法对数据的拟合度和神经网络的收敛性。 展开更多

关键词 手写体数字识别 mish激活函数 卷积神经网络 mnist数据集

下载PDF 职称材料

基于遗传算法的高维特征选择的研究 被引量：1

11

作者 吴进文 赵晓翠 陈苗苗 《郑州轻工业学院学报（自然科学版）》 CAS 2010年第2期75-78,共4页

针对手写体数字提取的特征维数过高且有冗余从而影响识别速度的问题,提出了基于遗传算法的高维特征选择方法.遗传算法采用类内类间比作为适应度函数,识别率高但速度较慢;而对手写体数字识别的仿真实验表明,特征选择方法虽然识别率在一... 针对手写体数字提取的特征维数过高且有冗余从而影响识别速度的问题,提出了基于遗传算法的高维特征选择方法.遗传算法采用类内类间比作为适应度函数,识别率高但速度较慢;而对手写体数字识别的仿真实验表明,特征选择方法虽然识别率在一定程度上有所下降,但提高了识别速度. 展开更多

关键词 类内类间比 特征选择 遗传算法 手写体 数字识别

下载PDF 职称材料

基于Fisher的手写体数字识别研究与实现 被引量：1

12

作者 马飞 武楠 程荣花 《平顶山学院学报》 2010年第2期100-102,共3页

在手写体字符识别研究中,由于书写风格的不同造成了字体变化大,导致识别难度很大,采用面积滤波对数字图像预处理消除离散点,使用Fisher分类器对样本进行分类识别,进行了手写体数字识别研究与实现,分类器识别正确率为96%.

关键词 手写体数字识别 FISHER分类器 面积滤波

下载PDF 职称材料

基于数据降维的机器学习分类应用问题探讨 被引量：1

13

作者 赵斌 《现代信息科技》 2018年第2期144-145,共2页

海量数据的涌现与数据维度的提升,让数据的噪声与冗余特征带来的负面影响呈现出了严重化的趋势。在降低数据维度的基础上,提升数据的分类精度是机器学习领域需面对的重要问题。本文主要从数据降维方法与机器学习分类方法的内容入手,对... 海量数据的涌现与数据维度的提升,让数据的噪声与冗余特征带来的负面影响呈现出了严重化的趋势。在降低数据维度的基础上,提升数据的分类精度是机器学习领域需面对的重要问题。本文主要从数据降维方法与机器学习分类方法的内容入手,对基于数据降维的机器学习分类应用问题进行分析。 展开更多

关键词 数据降维 机器学习分类应用 手写数字识别

下载PDF 职称材料

统计不相关性的最佳鉴别变换的手写数字识别

14

作者 张金林 杭宇 +2 位作者 芮挺 戎晓力 蒋新胜 《解放军理工大学学报（自然科学版）》 EI 2007年第3期246-249,共4页

为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性。与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效。提出利用具... 为了进一步深入研究推广手写体数字识别技术,介绍并验证了具有统计不相关性的最佳鉴别变换在手写体数字识别中的优越性。与经典的Foley-Sammon鉴别变换法相比,具有统计不相关性的最佳鉴别变换相关性更小,提取的特征更有效。提出利用具有统计不相关性的最佳鉴别变换来提取特征并结合BP网络设计分类器用以实现手写体数字识别。通过3个对比实验证实了基于具有统计不相关性的最佳鉴别变换方法的识别方法的有效性。 展开更多

关键词 统计不相关 最佳鉴别变换 手写体数字识别 BP神经网络

下载PDF 职称材料

基于STM32的手写数字识别平台的设计与实现

15

作者 陈红梅 李晟 李玉晓 《现代信息科技》 2023年第21期63-66,70,共5页

设计了基于STM32的手写数字识别平台,首先,利用MNIST数据集去训练和测试BP神经网络的权重和偏重,在得到理想的训练结果后结束训练和测试;其次,利用C语言编写识别模型并移植至STM32单片机硬件平台;最后,利用STM32单片机硬件平台上的可触... 设计了基于STM32的手写数字识别平台,首先,利用MNIST数据集去训练和测试BP神经网络的权重和偏重,在得到理想的训练结果后结束训练和测试;其次,利用C语言编写识别模型并移植至STM32单片机硬件平台;最后,利用STM32单片机硬件平台上的可触摸屏采集实时书写的0~9中任意数字进行实验,利用串口打印识别结果并进行统计,实验结果表明,该平台能够准确识别手写数字。 展开更多

关键词 STM32单片机 手写数字识别 BP神经网络 C语言

下载PDF 职称材料

一种新的启发式分类器选择方法 被引量：1

16

作者 郝红卫 陈志强 《计算机工程》 CAS CSCD 北大核心 2008年第2期206-208,共3页

分类器选择是一种设计多分类器系统的有效方法,从给定候选分类器集中挑选出一个子集,使得该子集集成性能最佳。现有的分类器选择方法大多采用基于集成精度的随机搜索方法,但巨大的搜索复杂度限制了它们在更大系统中的应用。该文提出一... 分类器选择是一种设计多分类器系统的有效方法,从给定候选分类器集中挑选出一个子集,使得该子集集成性能最佳。现有的分类器选择方法大多采用基于集成精度的随机搜索方法,但巨大的搜索复杂度限制了它们在更大系统中的应用。该文提出一种新的选择标准——IWCECR及一种基于IWCECR的启发式搜索算法,在手写体数字识别的实验中,从20个候选分类器中挑选子集,结果表明,该方法具有较高的搜索效率,在子集集成性能方面仅次于穷举法。 展开更多

关键词 分类器选择 搜索算法 选择标准 手写体数字识别

下载PDF 职称材料

利用Matlab神经网络工具箱在VC++.net中进行手写体数字识别

17

作者 余波 简炜 方勇 《湖北汽车工业学院学报》 2007年第1期39-42,共4页

介绍了在VC++.net中通过Matlab引擎调用Matlab神经网络工具箱函数的方法。VC++.net具有强大的界面开发功能,Matlab的复杂计算和处理功能比较强大。因此,VC++.net和Matlab的交互编程可以结合两者的优点。文中所述就是利用这一技术来进行... 介绍了在VC++.net中通过Matlab引擎调用Matlab神经网络工具箱函数的方法。VC++.net具有强大的界面开发功能,Matlab的复杂计算和处理功能比较强大。因此,VC++.net和Matlab的交互编程可以结合两者的优点。文中所述就是利用这一技术来进行手写体数字识别,并取得了很好的效果。 展开更多

关键词 VC++.NET 神经网络 MATLAB引擎 手写体数字识别

下载PDF 职称材料

基于图像特征和Hopfield的手写体数字识别

18

作者 支长义 刘润田 梁言顺 《煤炭技术》 CAS 北大核心 2011年第5期185-187,共3页

基于粗网格特征提取再和Hopfield神经网络相结合的识别方法:首先用粗网格提取特征向量组,再将向量组分为8个分向量,然后再作为Hopfield的输入向量,进行识别,经过对样本的仿真、测试,有着良好的识别效果。

关键词 手写体数字 HOPFIELD 粗网格特征提取

下载PDF 职称材料

基于小波变换和ART网络的手写数字识别

19

作者 张捷 黄光球 封俊红 《微型电脑应用》 2006年第12期38-40,66,共3页

由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。本文将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分... 由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。本文将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分类,可以满足实际应用。 展开更多

关键词 手写数字识别 波变换 ART网络

下载PDF 职称材料

基于多分类器的无分割手写数字字符串识别算法 被引量：3

20

作者 任晓奎 丁鑫 +1 位作者 陶志勇 何欣键 《计算机应用研究》 CSCD 北大核心 2020年第7期2222-2226,共5页

手写体数字字符串识别常用于邮件自动分拣、银行票据和财务报表的录入中,针对其分割识别算法复杂度较高、准确率较低的问题,提出一种多分类器下无分割手写数字字符串识别算法。该算法的核心是采用四个分类器实现粘连字符串的无分割识别... 手写体数字字符串识别常用于邮件自动分拣、银行票据和财务报表的录入中,针对其分割识别算法复杂度较高、准确率较低的问题,提出一种多分类器下无分割手写数字字符串识别算法。该算法的核心是采用四个分类器实现粘连字符串的无分割识别;将残差结构应用于Le Net-5网络,以增加网络深度,提高识别准确率,加快收敛速度;使用动态选择策略,以避免长度分类器误分类对识别结果的影响。实验结果表明,在NIST SD19一位数字和Synthetic数据集训练网络下,使用NIST SD19上长度为2、3、4、5、6的字符串验证网络,其识别准确率分别为99.3%、98.5%、98.1%、96.6%和97.2%。 展开更多

关键词 图像处理 手写数字字符串识别 多分类器 无分割 动态选择

下载PDF 职称材料