受限制Boltzmann机深度置信网络与手写数字识别

摘要：

手写数字因为每个人的书写习惯不同而差异很大。手写数字快速有效的识别一直是图像识别领域的热门话题。提出了一种基于受限制Boltzmann机组成的深度置信网络应用于手写数字识别的算法。对训练样本图片中的手写数字进行定位，分块，计算每块的特征值；用由受限制Boltzmann机组成的深度置信网络对样本特征值进行无监督学习；使用训练好的神经网络对待测样本进行深度特征提取。结果表明：该算法可行，相对于浅层学习，深度学习在图像特征提取上有了很大提高。

关键词：受限制Boltzmann机、深度学习、手写数字识别

所属期刊栏目：24

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61370188;北京印刷学院校级重点项目Ea201506;协同创新中心:绿色印刷与出版技术PXM2016_014223_000025

在线出版日期：2016-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：56-58