字符识别的神经网络方法研究.docx

苏州大学本科生毕业设计（论文）本科毕业设计（论文）学院(部)计算机科学与技术学院题目字符识别的神经网络方法研究年级四专业软件工程班级嵌入式培养学号1427403062姓名丁宇翱指导老师钟宝江职称教授论文提交日期2018.5.19目录前言1第一章绪论21.1研究背景及意义21.2深度学习的发展现状31.3字符识别发展及研究41.4本文的主要组织结构6第二章神经网络基础介绍82.1引言82.2神经网络介绍82.2.1神经元基本简介82.2.2前向传播算法（Forwardpropagation）92.2.3反向传播算法与梯度下降算法112.3手写字符数据集简介132.4本章小结14第三章基于卷积神经网络的手写字符识别153.1引言153.2卷积153.3权值共享163.4池化163.5LetNet识别手写字符173.5.1使用LeNet进行训练173.5.2神经网络模型改进183.5.3改进模型实验结果193.5.4识别错误原因分析203.5.5对影响收敛速度因素的实验测试213.6本章小结21第四章总结与展望234.1本文工作总结234.2后续工作展望23参考文献25致谢27摘要深度学习（DeepLearning）在机器学习领域中是一种重要的方法，也是在近年来越来越受到关注的一门机器学习算法。随着神经网络技术的飞速发展，在目标检测、语义检测、情感识别、图像分割、图像分类等领域取得了不少突破性的进展。卷积神经网络是深度学习领域中的一项非常重要的网络结构，它是一个前馈神经网络。人工神经元可以响应周围的神经单元，具有许多传统神经网络结构所不具备的优异特性。本文针对手写数字字符数据集，利用深度神经网络构建了LeNet网络进行训练、识别，并对数据进行了不同的数据增强(DataAugmentation)，以此来研究比较最终网络结构的识别准确率。本文的网络结构对手写字符数据集的识别率达到了97.65%，并且在测试其他测试集时表现出了良好的适应性。关键词：深度学习，字符识别，卷积神经网络，模式识别，数据增强AbstractDeeplearningisasignificantmethodinmachinelearning,anditisalsoamachinelearningalgorithmthathasattractedmoreandmoreattentioninrecentyears.Withtherapiddevelopmentofneuralnetworktechnology,manybreakthroughshavebeenmadeinthefieldsoftargetdetection,semanticdetection,emotionrecognition,imagesegmentation,imageclassificationandsoon.Convolutionneuralnetworkisaveryimportantnetworkstructureinthefieldofdeeplearning.Itisafeedforwardneuralnetwork.Artificialneuronscanrespondtothesurroundingneuralunits,andhavemanyexcellentfeaturesthatmanytraditionalneuralnetworkstructuresdonotpossess.Inthispaper,forhandwrittendigitalcharacterdatasets,theLeNetnetworkistrainedandidentifiedbyusingdeepneuralnetwork,anddifferentDataAugmentationiscarriedouttothedatatocomparetherecognitionaccuracyofthefinalnetworkstructure.Therecognitionrateofthenetworkstructureinthispaperforhandwrittencharacterdatasetreaches97.65%,anditshowsgoodadaptabilityintestingothertestsets.Keywords:Deeplearning,characterrecognition,convolutionneuralnetwork,patternrecognition,machinelearning32前言AI，也就是我们所说的人工智能，是人类所探求了许多年的终极理想。在最近几年，随着技术的飞跃，我们的生活已经大大地被人工智能技术所改变，但是在目前，还没有任何一台计算机可以达到真正像人