神經(jīng)網(wǎng)絡(luò)期終論文基于遺傳-bp神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別-資料下載頁
2025-06-05 07:07本頁面
【正文】 評(píng)價(jià)標(biāo)準(zhǔn) 遺傳 BP 神經(jīng)網(wǎng)絡(luò)手寫體識(shí)別算法的好壞主要取決于如下指標(biāo)，即正確率 。 正確率是指利用分類器進(jìn)行識(shí)別，識(shí)別正確次數(shù)與所有訓(xùn)練次數(shù)的比重。 隨機(jī)輸入 100個(gè)數(shù)字，對(duì)結(jié)果 進(jìn)行測(cè)試。 由于截圖占用太大空間， 用表概括為： 表 31 檢測(cè)結(jié)果統(tǒng)計(jì)表 測(cè)試記錄總條數(shù) 100 測(cè) 試記錄正確條數(shù) 90 正確檢測(cè)率 90% 平均測(cè)試時(shí)間 3秒 從檢測(cè)結(jié)果來看，雖然用于訓(xùn)練的數(shù)據(jù)集并不是很多，但誤差率和漏報(bào)率并不是很高，這也體現(xiàn)了 BP 算法的優(yōu)越性，相信如果用更多的數(shù)據(jù)進(jìn)行訓(xùn)練會(huì)使得正確的檢測(cè)率提高而錯(cuò)誤的檢測(cè)率降低，從而使網(wǎng)絡(luò)趨于收斂。 第 4 章 結(jié)束語 手寫數(shù)字識(shí)別就是利用計(jì)算機(jī)對(duì)輸入的手寫數(shù)字進(jìn)行分類識(shí)別。 手寫體數(shù)字識(shí)別研究的最終目標(biāo)是設(shè)計(jì)出速度快、精度高的識(shí)別算法并運(yùn)用到實(shí)際工作中。 為了設(shè)計(jì)出高精度的算法，我從零基礎(chǔ)學(xué)習(xí) BP算法，在學(xué)習(xí) BP算法的過程中，我了解了偏導(dǎo)，梯度的 知識(shí)，并也產(chǎn)生了一些新的思考，如果 k個(gè)輸入， 1 個(gè)輸出，相當(dāng)于將 k 維空間，投射到一個(gè) 1維空間，是否可以提供足夠的準(zhǔn)確性，如果是 k個(gè)輸入， j個(gè)輸出， j比 k大，是否是一個(gè)升維的過程，是否有價(jià)值？并通過實(shí)驗(yàn)發(fā)現(xiàn) BP 算法有一個(gè)很大的缺點(diǎn)，就是容易落入局部最優(yōu)解，為了改進(jìn)這個(gè)算法，使用了遺傳算法，通過染色體的選擇，基因的交叉、變異來跳出局部最優(yōu)解，實(shí)現(xiàn)最大程度的最優(yōu)化。 因?yàn)閷W(xué)過 java和 C語言，本設(shè)計(jì)使用 C實(shí)現(xiàn)，存在一些缺陷，以后會(huì)努力學(xué)習(xí)改進(jìn)。 9 參考文獻(xiàn) [1] Martin . Howard . Mark . 《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》 ，機(jī)械工業(yè)出版社， 2021 [2] 李望晨：“ BP 神經(jīng)網(wǎng)絡(luò)改進(jìn)及其在手寫數(shù)字識(shí)別中的應(yīng)用”，哈爾濱工業(yè)大學(xué)碩士學(xué)位論文， 2021 年 6 月。 [3] 瞿海金：“手寫體數(shù)字識(shí)別方法的研究與實(shí)現(xiàn)”，南京理工大學(xué)碩士學(xué)位論文， 2021 年 6月。 [4] 劉長(zhǎng)安：《人工神經(jīng)網(wǎng)絡(luò)的研究方法及應(yīng)用》，電子工業(yè)出版社出版， 2021 年 7 月。 [5] 蔣宗禮 .人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論 [M]. 高等教育出版社， 2021:1590. [6]Philip D. Wasserman, Neural Computing: Theory and Practice, Van Nostrand Reinhold, 1989:156.
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1