et手寫王-資料下載頁
2025-09-20 21:34本頁面
【導讀】只需用鼠標在相應區(qū)域寫上字，使用一定的技術將字符特征數(shù)字化、規(guī)范化。系統(tǒng)啟動后將使用。找出庫文件中與用戶輸入字符的特征相似度最高的字符。使用了基于統(tǒng)計的方法對字符特征進行對比分析。符的相似程度，由此確定用戶的輸入。度色以外還有其它雜色，為了方便下一步處理，必須先將圖像轉化為灰度圖。該去除這些噪點。使用一個3*3的輔助舉陣掃描點陣圖上的點。將點陣中每一個點的梯度值相加之后計算。整個點陣圖的梯度變化平均值n。為了方便處理，需要將圖片轉化成只有黑白兩色。成黑色，將灰度值大于T的點設成白色。差異可能會成為判斷失誤的根源。當深度搜索遍歷完所有相連的黑點后，將能找到。一個能容納將所有這些相連的點陣的最小的矩形。噪音產(chǎn)生的黑點也會被矩形捕獲。這些條件包括黑色區(qū)域面積占整個矩。成功捕捉字符后，需對捕捉到的字符圖像進行標準化。為特征向量的后48維。精度逼近任何非線性函數(shù)。這一優(yōu)勢使多層前饋網(wǎng)絡得到越來越。練過程的不確定。
【正文】 勢使多層前饋網(wǎng)絡得到越來越廣泛的應用，但也存在自身的限制與不足其主要表現(xiàn)在于他的訓練過程的不確定。具體如下： 1 訓練次數(shù)多使得學習效率低收斂速度慢 2 易形成局部極小而得不到全局最優(yōu) 3 存在麻痹現(xiàn)象 ET手寫王 脫機識別基本原理 BP學習算法的改進（ 2） 針對以上存在的缺陷和不足在本系統(tǒng)中采用以下改進算法以提高神經(jīng)網(wǎng)絡分類器的性能 (1) 帶動量因子算法 (2) 自適應學習速率 (3) 誤差函數(shù)的改進 (4) 附加動量因子及動態(tài)自調整學習算法 (又稱綜合法 ) ET手寫王 脫機識別基本原理 BP網(wǎng)絡學習的準備工作 神經(jīng)網(wǎng)絡能通過對樣本的學習訓練 ,不斷改變網(wǎng)絡的連接權值及拓撲結構 ,使網(wǎng)絡的輸出不斷地接近期望的輸 出 ,這一過程就是神經(jīng)網(wǎng)絡的學習過程。 BP 網(wǎng)絡訓練的準備工作主要包括以下幾方面 (1)輸入量的提取與表示 (2)輸出量的表示 (3)訓練集的設計 優(yōu) 良 中 差 不 00001 00010 00100 01000 10000 期望輸出量編碼 訓練字體示例 ET手寫王 脫機識別基本原理 BP網(wǎng)絡學習的準備工作 (4)隱層節(jié)點數(shù)的選擇 (5)學習速率 h 的確定 本系統(tǒng)使用了 20個隱藏節(jié)點，進行了 25000次迭代。使 識別的正確率達到 90%以上。 ET手寫王 詳細的工作原理請參閱軟件設計文檔 ET手寫王 感謝您使用 ET手寫王
教學課件相關推薦
鄂ICP備17016276號-1