基于GA-BP神经网络在手写数字识别中的应用研究
手写数字识别在当今社会有着重要的应用价值,在金融、社交、教育、通信等领域有着广泛的应用前景.手写数字识别是光学字符识别技术的一个分支,目前大多采用BP神经网络进行识别,但BP神经网络存在局部极小值、学习速度慢、结构选取上无确定准则三方面缺陷,影响其识别效果.通过遗传算法寻优BP神经网络最佳的初始阈值、初始权值、结构来克服其缺陷.通过MATLAB仿真,结果表明,用遗传算法优化后的BP神经网络具有辨识正确率更高、泛化能力更强、收敛速度更快、实用性更强的优点,达到了预期的目的,为手写数字识别提供了良好的理论研究价值.
BP神经网络、遗传算法、函数拟合、手写数字识别、优化
42
TN98
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
89-92