基于人工神经网络的手写阿拉伯数字识别

本文讨论了人工神经网络在手写数字识别中的应用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别.建立了基于神经网络的手写数字模式识别系统,并用Matlab仿真进行结果分析,该系统识别率为70%.     

人工神经网络用于数字识别

本文给出Ｈｏｐｆｉｅｌｄ网和Ｈａｍｍｉｎｇ网在数字识别问题上的具体实现结果，并在此基础上，提出一种改进的Ｈａｍｍｉｎｇ神经网络模型，实验结果表明，改进的神经网络的识别率有所提高。     

人工神经网络在数字识别中的应用

BP神经网络是最常用的一种人工神经网络。本文介绍了利用BP神经网络来实现离线手写体数字识别的基本方法,分析了传统BP算法的一些缺点,针对这些缺点指出了一些较新的改进算法。利用MATLAB验证了这些较新的算法。实验数据表明,改进的算法具有较高的识别率。     

无限制性手写数字的多神经网络识别

研究一种多神经网络的组合结构,这种组合结构有效地克服了ＢＰ算法学习速度慢,难以收敛的主要缺点多神经网络的组合结构应用于手写数字识别,达到较好的识别结果     

基于AP和BP神经网络算法的手写数字识别

针对现有的手写数字识别技术不适合大规模应用的问题,提出了一种基于AP和BP神经网络的快速手写数字识别算法。首先对预处理后的样本通过AP算法(affinity propagation)聚类消除冗余,重新构造样本空间;然后构造BP(误差反向传播)神经网络模型,学习测试集合样本。采用UCI机器学习数据库中的数据进行实验,结果表明,算法的识别正确率可达96.10%,高于BP神经网络算法的识别正确率94.88%,且执行时间约为后者的10%,具有较高的实用价值。     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于人工神经网络的智能识别数字模型

人工识别阿拉伯数字既耗时又费力,提出了一种利用BP网络与竞争网络相结合的神经网络来识别阿拉伯数字的模型,仿真结果表明,该模型能够对数字进行准确、快速地识别,且抗噪能力较好.可以用于对部队番号、邮政编码、证件等进行识别.     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

基于人工神经网络的手写体数字识别

基于手写体数字的几何结构提取端点及其方向、凸点及其方向、三叉点数和四叉点数等数字特征值，运用单字单网的12个并行BP神经网络进行数字识别，把同一个数字特征值差别很大的字体当不同的类别来处理，最后能达到很好的识别效果。     

手写数字识别浅析

手写数字的识别研究有着重大的现实意义,本文先对手写数字识别技术进行概述,然后介绍了手写数字识别的分类和基本步骤,最后对全文进行了总结。     

基于混合特征提取的手写体数字识别方法的研究

文章对用ＢＰ神经网络实现手写体数字的识别进行了研究，提出混合特征提取的方法，提高了特征提取的效率和识别率，对一些不能识别的样本做了分析和研究，采取在样本集中增加相近样本的方法改善神经网络对这些样本的识别效果。     

手写数字识别实验系统的研究

以无限制手写数字的机器自动识别系统的研究对象，旨在达到对书写人员、笔墨、纸张、字体大小、取向、位置不作限制，对常见书写风格均能识别。     

基于鼠标设备的联机手写汉字识别系统应考虑的问题和设计思想

本文提出了一种基于鼠标设备实现联机手写汉字识别的新方法，及其在实现过程中应考虑的问题。作者给出了主管程序段算法，并对与之相关的数据结构给出了类型描述及有关讨论。参３。     

手写汉字特征提取方法研究

依据机器学习理论,提出一种手写汉字识别中的特征提取方法,以及将判定树归纳学习算法应用于学习识别过程,使得特征提取和识别同时进行.依据判定树有选择地提取特征进行匹配,可减少特征提取的数量,提高识别速度.     

用神经网络方法进行汉字的部件识别

用二维图形结构的汉字属性关系图,从二维角度来直接描述汉字具有较强的描述能力.但其中由笔划间的关系图描述的部件通常关系复杂,其匹配问题如果采用传统的匹配方法来解决,其计算量和复杂度是非线性递增的.在此,提出一种神经网络的解决方法.实验结果表明,将神经网络的方法用于汉字的部件识别过程,可以大大地减少计算时间和计算量,且具有一定的容错能力.     

基于泛函网络的数值近似方法

根据泛函网络的网络结构模型及算法,给出一种近似二阶微分系统的解,采用泛函网络方法进行数值近似,得出了较好的结果,实验研究表明,泛函网络比BP网络的近似性能好。     

面向顶板类型识别的人工神经元网络模型

基于地下岩体赋存环境复杂性的特点，采面顶板类型识别问题是一个比较复杂的问题，它受制于岩石强度Ｒ＿ｃ、裂隙间距Ｉ、分层厚度ｈ、垮落步距Ｌ等众多的影响因素，这是一典型的复杂非线性系统问题，因而用传统数学方法所建模型误差较大。本文运用人工神经元网络建立了采面顶板类型识别的神经网络模型，进行了实例研究，并同用模糊数学方法所建模型进行了对比。图１，表１，参８。     

基于主元分析的入耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术．将主元分析法（PCA）应用于人耳图像识别，分别应用BP神经网络和最近邻域法进行分类识别，给出了具体的网络设计与性能比较分析．实验结果表明，应用PCA方法提取人耳图像特征，选择合适的分类器和网络结构，可以取得满意的识别效果．     

基于主元分析的人耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术.将主元分析法(PCA)应用于人耳图像识别,分别应用BP神经网络和最近邻域法进行分类识别,给出了具体的网络设计与性能比较分析.实验结果表明,应用PCA方法提取人耳图像特征,选择合适的分类器和网络结构,可以取得满意的识别效果.     

BP神经网络的改进及其用于手写数字识别的研究

模式识别是神经网络最有前景的应用领域之一,本文主要讨论如何提高多层神经网络 BP(Back-propagation)算法的学习速度以及该算法用于手写数字识别的研究.文中提出了局部连接的网络结构,并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较,针对神经网络的识别机制、识别能力和自适应学习,进行了深入讨论.本文还给出容错能力的概念,用以描述神经网络对非学习样本的分类机制.所有研究工作是在作者研制的 SSNN 神经网络仿真软件上进行的.