1、“.....从而确定样本所属的模式类别。它不需要给出有关模式的经验知识和判别函数,而通过自身的学习机制形成决策区域。网络的特性由拓扑结构及神经元特性决定,利用不同状态的信息逐训练网络获得种映射。许多神经网络都可用于数字识别,如多层神经网络概率神经网络。概率神经网络综合了分类器和神经网络的优势,在实际应用中具有更好的综合分类效果,不足是需要的训练样本数较多。手写体识别系统的性能评价标准作为个识别系统,最终要用些参数来评价其性能的高低。评价的指标主要从正确率及效率个方面判断。正确率主要是指识别结果和理想结果之间的差距,而效率主要是要求实际应用中计算消耗的时间在可接受的范围之内。通常来说,手写体识别系统在时间方面般都能满足要求......”。

2、“.....而尽可能大。另外,由于手写数字具有不规则的特点,因此正确率指标需要明确其样本集合来源的情况。神经网络应用于手写体识别的原理神经网络的基本原理人脑可以看成个高度复杂的非线性的和并行的信息处理系统。人脑能够组织它的组成成分,即神经元,以比今天已有的最快的计算机还要快许多倍的速度进行特定的计算如模式识别感知和运动神经控制。人工神经网络简称神经网络是对人脑神经系统的模拟。受限于当今科学对大脑神经系统及其工作原理的研究水平,人工神经网络对大脑神经系统进行了合理的简化和抽象,但还是包含了大脑神经系统的许多特征。人工神经网络是个由大量结构简单的基本处理单元即人工神经元,通过广泛的连接而形成的神经系统。通过大量的神经元组成单元的并行计算和分布存储......”。

3、“.....以及定程度上类似于人脑的学习和记忆能力。神经网络可以从外界获取知识,然后用互连神经元的连接强度即突触权值,存储获取的知识。因此人工神经网络可以模拟人的思维,信息处理通过神经元之间同时相互作用的动态过程幕于的于写体数字识别技术研究与实现来完成。这是个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。人工神经网络本质上是个基于大规模并行计算的分布式处理系统。通常人工神经网络在使用以前要以定的学习准则进行学习,学习完毕才能正确工作。以人工神经网络对字符两个字母的识别为例进行说明。假设输入网络时,正确输出应该是当输入为时,正确输出应该为。在开始时先给网络的各连接权值赋予合法的随机值,这时网络便准备完毕可以接受输入了。在权值随机的情况下,网络正确识别的概率也是完全随机的。将所对应的图像数据输入神经网络......”。

4、“.....经过加权求和门限比较非线性运算等步骤,计算得到网络的输出。得到网络的输出后,和预期的正确输出做比较,开始学习的过程。网络学习的准则是如果网络做出的判决,则通过网络的学习,使得网络减少下次犯同样的可能性。对应的输出如果为,说明神经网络的判断正确,此时使连接权值增大,以便使网络再次输入时,仍然能做出正确的判断。如果输出为,说明神经网络进行了的逻辑,接着把网络连接权值朝着减小综合误差的方向调整,以便使网络再次遇到时,减小犯同样的可能性。反复进行操作调整及学习若干次后,网络判断的正确率将大大提高。如果正确率大于预定目标,则表示网络对这两个模式的学习己经完成,这两个模式的相关信息已经被分布地存储在网络的各个连接权值上。当网络再次遇到或时,它就能够做出迅速准确的判断和识别。通常认为......”。

5、“.....网络就越复杂,它能记忆识别的模式内容也越多。本文将利用神经网络的学习与求解非线性问题的能力,将手写体数字矩阵作为输入反复训练神经网络,使得神经网络对手写体数字产生记忆存储的效果,从而获得分辩输入数字的能力,最终实现对手写数字字符的识别功能。人工神经网络的数学基础人工神经元的数学原理神经元是人工神经网络的基本信息处理单位,它是神经网络的设计基础。美国的神经网络学家给出了人工神经网络的般定义神经网络是由多个非常简单的处理单元彼此按照种方式相互连接而形成的计算机系统,该系统是靠其状态对外部输入信息的动态响应来处理信息的。主要的处理单元为神经元,其具有以下特点它是多输入单输出元件具有非线性的输入输出特性具有可塑性,其塑性变化的部分主要是权值的变化......”。

6、“.....人工神经元模型主要包括个基本元素。首先是突触或连接链,每个都由其权值或者强度作为特征。般用耽,表示神经元到下神经元的突触权值。人工神经元的突触权值有个范围,可以取正值也可以取负值。第是加法器,硕十学位论文用于求各个输入信号被神经元的相应突触加权后的和,这个操作构成个线性组合器。最后是激活函数,又称为压制函数,其作用是限制神经元的输出范围在允许的范围之内。通常,个神经元输出的正常幅度范围是单位闭区间,或者卜,。图表示神经元的模型。输入激励输出而而用数学表达式对神经元进行抽象和概括,令表示时刻神经元接受的来自神经元的信息输入,以表示时刻神经元的信息输出,则神经元的状态表达式为屯其中,表示神经元的阀值,表示神经元到的权重值,表示神经元转移函数。有点需要说明的是......”。

7、“.....将突触时延取为单位时间。输入总和常称为神经元在时刻的净输入,用下式表示刀,以互为了简单起见,用到上式时,将其中的省略。如果令。,。则,。,因此净输入与阀值之差可表达为删,删综合以上,神经元模型可简化为,厂珂甜,人工神经网络的结构虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的功能却是极其丰富多彩的。根据神经元之间连接的拓扑结构上的不同,可将神经元网络结构主要分为两大类分层网络和相互连接型网络。分层网络是将个神经元网络模型中所有神经元按功能分为若干层,般有输入层中间层和输出层,各层顺序连接。输入层接受外部的输入信号,并由各输入单元传送给直綦于的于写体数识别技术研究与实现接相连的中间层单元。中间层是网络的内部处理单元层,与外部无直接连接。神经元网络所具有的模式变换能力......”。

8、“.....主要是在中间层进行的。输出层是网络输出运行结果并与显示设备或者执行机构相连接的部分。分层网络又可以细分为种互连形式简单的前向网络,具有反馈的前向网络以及层内有相互连接的前向网络等。代表模型有感知机网络多层映射网。相互连接型网络是指任意两个单元之间都是可以相互连接的,如模型机自适应共振理论等均属此类。在这些模型和算法中,算法是出现较早被研究的比较多的算法之。根据定理,由输入层隐层和输出层组成的层网络可实现输入信号的任何非线性连续函数,所以本文选用神经网作为分类识别器,下面阐述神经网络原理。神经网络的原理网络数学模型算法,误差逆传播,主要意思是从后向前计算。人们把采用这种算法进行误差较正的多层前馈网络称为网络。自年提出算法以来,网络成为用途最为广泛的网络之。神经网络算法已不再只供研究......”。

9、“.....前馈神经网络是神经网络中的种典型分层结构,信息从输入层进入网络后逐层传递至输出层。根据前馈网络中神经元转移函数隐层数以及权值调整规则的不同,可以形成具有各种功能特点的神经网络。在此模型中,输入向量为,。,如加入,可为输出层神经元引入闭值隐层输出向量为,。,如加入少,可为隐层神经元引入闭值输出层输出向量为期望输出向量为吐丸,巧。输入层到隐层之间的权值矩阵用表示矿,。,其中列向量,为隐层第个神经元对应的权向量隐层到输出层之间的权值矩阵用表示,形。其中列向量耽为输出层第个神经元对应的权向量。下面分析各层信号之间的数学关系对于输出层,有厂胛气,嬲气业夕⋯对于隐层,有,厂胛,珂,,蓼⋯,以上两式中,为转移函数单极性函数硕学位论文似专具有连续可导的特点......”。