| 识别数学符号的神经网络方法 |
| |
| 引用本文： | 孔俊,吴微,赵卫海. 识别数学符号的神经网络方法[J]. 吉林大学学报(理学版), 2001, 0(3): 11-16 |
| |
| 作者姓名： | 孔俊 吴微 赵卫海 |
| |
| 作者单位： | 吉林大学数学研究所,;大连理工大学应用数学系, |
| |
| 基金项目： | 国家自然科学基金 (批准号 :199710 12 ),教育部青年骨干教师基金,国防科工委国防基础科研基金 (批准号 :J170 0 B0 0 2 ) |
| |
| 摘 要： | 采用 BP网络和 Kohonen自组织特征映射网络组成的多级神经网络模型 ,对数学符号进行识别 ,引入“雪球”和平滑训练方法以提高网络性能 .实验结果表明 ,该模型对数学符号的识别 ,特别在有噪音污染的情况下 ,具有较好的效果 .
|
| 关 键 词： | 多级神经网络 BP算法 自组织特征映射 雪球”训练 平滑训练 |
| 文章编号： | 0529-0279(2001)03-0011-06 |
| 修稿时间： | 2000-11-29 |
Neural Networks for Recognition of Mathematical Symbols |
| |
| KONG Jun. Neural Networks for Recognition of Mathematical Symbols[J]. Journal of Jilin University: Sci Ed, 2001, 0(3): 11-16 |
| |
| Authors: | KONG Jun |
| |
| Abstract: | Multi stage neural networks constructed of BP networks and self organizing feature maps are used to recognize mathematical symbols. Snowball and smoothing trainings are also adopted to improve the performance of the neural networks. Experimental results show that this approach is efficient and robust when the symbols are polluted. |
| |
| Keywords: | multi stage neural networks BP algorithm self organizing feature maps snowball training smoothing training |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
