基于BP神经网络的数字识别研究
比较了各种数字识别方法,采用BP神经网络设计了一个数字识别系统.首先对数字图像进行二值化处理,构造输入向量矩阵;接着通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练;之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性;最后制作了图形用户界面进行实验.测试结果表明,该系统对噪声系数小于0.85的字符识别率可达96%,且网络训练时间可以接受.
BP神经网络、数字识别、特征提取
TP183(自动化基础理论)
2013-06-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
3362-3365