基于长短期记忆神经网络的手写数字识别

摘要：

手写笔迹识别是模式识别的一个重要研究领域.因为每个人的书写习惯有所不同,导致手写的字体有一定的差异.传统的Softmax模型在手写数字的识别结果上并没有达到人们的期望.目前,深度神经网络框架是模式识别领域的主流方法.长短期记忆神经网络(long-short term memory network,LSTM)是一种特殊的循环神经网络,它由输入门、遗忘门、输出门以及神经元组成.长短期记忆神经网络对于长序列问题有很好的处理.文中提出采用双向长短期记忆神经网络进行手写数字识别.采用MNIST数据集,分别使用传统的Softmax方法和双向长短期记忆神经网络方法对MNIST数据集里的图片进行识别.实验结果表明,传统的Softmax模型的正确率为92％左右,而LSTM模型的正确率达到了96.3％,提升4.3％.

关键词：模式识别、手写数字识别、Softmax模型、长短期记忆神经网络

所属期刊栏目：30

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;2019年自治区研究生科研创新项目

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：94-97