基于多重卷积神经网络大模式联机手写文字识别.pptxVIP

下载本文档

2
0
约小于1千字
约 11页
2017-08-30 发布于安徽
举报
版权申诉

基于多重卷积神经网络大模式联机手写文字识别.pptx

1、本文档共11页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于多重卷积神经网络的大模式联机手写文字识别卷积神经网络图1 全连接网络，部分连接网络卷积神经网络是部分连接网络，其最底层是特征提取层(卷积层)，接着是池化层，然后可以继续增加卷积、池化或全连接层。用于模式分类的卷积神经网络，通常在最后层使用softmax分类器。卷积神经网络图2 卷积神经网络结构示意图三种结构性方法：局部感受野、权值共享、空间域或时间域上的次采样卷积神经网络的优点输入图像和网络的拓扑结构能很好的吻合。特征提取和模式分类同时进行，并同时在训练中产生。权重共享可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。多重卷积神经网络定义：用多个拥有高识别率的小卷积神经网络组成一个多重卷积神经网络。解决的问题：卷积神经网络的优势主要是对小模式集上，利用以往的这些方法对大规模模式分类的联机手写文字的识别依然有识别率不高的问题。多重卷积神经网络图3 多重卷积神经网络字符识别示意图用多个拥有高识别率的小卷积神经网络组成一个多重卷积神经网络多重卷积神经网络随机对角Levenberg-Marquardt训练方法是全局学习率，是一个估计值，用来避免太小时变化过大。多重卷积神经网络图4 多重卷积神经网络联机手写词句识别过程多重卷积神经网络的词句识别：（1）首先对输入的手写图像进行预处理和分割；（2）然后通过多重卷积神经网络块分别进行识别；（3）最后采用单同识别模块对识别结果进行判断，选择最好的结果输出。训练和试验采用MNIST和UNIPEN两种不同的手写字符训练集进行测试识别率=正确识别数/样本总数X100%失误率=错误识别数/样本总数X100%训练和试验表1 实验结果参考文献