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)字識別(參考版)
2025-06-09 07:07本頁面
【正文】 [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. 。 [3] 瞿海金：“手寫體數(shù)字識別方法的研究與實現(xiàn)”，南京理工大學(xué)碩士學(xué)位論文， 2021 年 6月。 因為學(xué)過 java和 C語言，本設(shè)計使用 C實現(xiàn)，存在一些缺陷，以后會努力學(xué)習(xí)改進。 手寫體數(shù)字識別研究的最終目標(biāo)是設(shè)計出速度快、精度高的識別算法并運用到實際工作中。 由于截圖占用太大空間， 用表概括為： 表 31 檢測結(jié)果統(tǒng)計表 測試記錄總條數(shù) 100 測 試記錄正確條數(shù) 90 正確檢測率 90% 平均測試時間 3秒 從檢測結(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)進行訓(xùn)練會使得正確的檢測率提高而錯誤的檢測率降低，從而使網(wǎng)絡(luò)趨于收斂。 正確率是指利用分類器進行識別，識別正確次數(shù)與所有訓(xùn)練次數(shù)的比重。得到的神經(jīng)網(wǎng)絡(luò)連接權(quán)值，再用 BP 算法學(xué)習(xí)，直到誤差小于指定的最小值，算法結(jié)束。 6 開發(fā)工具選擇 本程序使用 Visual Studio 2021（ C語言）開發(fā)，基于 .Net Framework 運行，畫圖使用VISIO2021。將待測試的數(shù)字對應(yīng)的輸入向量輸入訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)后，網(wǎng)絡(luò)的輸出與定義的第 M 種數(shù)字的標(biāo)準(zhǔn)輸出向量越接近，說明輸入數(shù)字越接近第 M 種數(shù)字的標(biāo)準(zhǔn)輸入。重復(fù)執(zhí)行，直到點的數(shù)目符合向量數(shù)目要求。使用一定的算法對點集進行處理，取出比筆畫的向量數(shù)目多一個的代表點，相鄰兩個代表 點求差得到的向量經(jīng)歸一化即可得到筆畫的向量組合。該算法的主要思想是采用遺傳算法對神經(jīng)網(wǎng)絡(luò)的 N 組初始化權(quán)值進行快速優(yōu)化，定出一個較好的解空間，并將此空間作為 BP 算法的 N 組初始化權(quán)值，然后利用 BP神經(jīng)網(wǎng)絡(luò)局部搜索能力強的優(yōu)點，進行精確尋優(yōu)，找出最優(yōu)解。對于可以識別 N 種數(shù)字的神經(jīng)網(wǎng)絡(luò)，可以使用長度為 N，第 M 位為 其余各位均為 0 的向量作為第 M 種數(shù)字的標(biāo)準(zhǔn)輸出向量。 二、定義網(wǎng)絡(luò)輸入輸出 使用遺傳 BP 神經(jīng)網(wǎng)絡(luò)，需要定義一組一維的輸入向量與輸出向量。不同的數(shù)字對應(yīng)不同
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1