基于BP神经网络的手写数字识别课件_第1页
基于BP神经网络的手写数字识别课件_第2页
基于BP神经网络的手写数字识别课件_第3页
基于BP神经网络的手写数字识别课件_第4页
基于BP神经网络的手写数字识别课件_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、基于BP神经网络的手写数字识别内容1234背景介绍神经网络分类器设计实例讲解小结 手写数字识别是光学字符识别技术（OCR）的一个分支,研究如何利用计算机自动辨认手写在纸张上的数字。手写体数字的随意性很大,字体大小、倾斜、笔画的粗细等都会对识别结果造成影响。下面是一些样例：研究背景图像标准化处理输入：白底黑字的二值图像 处理办法：把图像中每10*10的点进行划分相加，进 行相加成一个点,统计每个小区域中图像 象素所占百分比作为特征数据输出：5*7=35个网格特征待测图片标准化 人工神经网络概况人工神经网络(Artificial Neural Networks，ANN)： 简称神经网络。模拟人脑神

2、经细胞的工作特点：与目前按串行安排程序指令的计算机结构截然不同。* 单元间的广泛连接；* 并行分布式的信息存贮与处理；* 自适应的学习能力等。人工神经元人工神经元：生物神经元的简化模拟。人工神经元间的互连：信息传递路径轴突-突触-树突的简化；连接的权值：两个互连的神经元之间相互作用的强弱。 人工神经元模型接收的信息(其它神经元的输出) 互连强度 作比较 的阈值n维输入向量X 输出 激活函数 神经元的动作： 激活函数 f： 阈值型S型分段线性型输出值：设 ，点积形式：式中，BP神经网络网络拓扑结构：1、BP神经网络具 有三层或三层以 上的多层神经网络2、每一层都由若干个神经元组成3、左右各层之间

3、神经元实现全连接，同层神经元无连接 神经网络之梯度下降法确定参数1、输入向量 X=X1,X2,X3,.,Xn2、输出向量 Y=Y1,Y2,Y3,.,Yn 希望输出向量 O=O1,O2,O3,.,On3、隐含层输出向量 B=b1,b2,b3,.,bpT4、输入层到隐含层权值 Wji=wj1,wj2,.,wjt,.,wjn5、隐含层到输出层权值 Vkj=vk1,vk2,.,vkj.,vkp输入模式顺传播：1、计算隐含层各神经元的激活值 激活函数采用S型函数，即 2、隐含层j单元的输出值 同理，可以求得输出端的激活值和输出值 神经网络之梯度下降法3、计算输出层第k个单元的激活值4、计算输出层第k个单元的 实际输出值输入模式顺传播： 神经网络之梯度下降法输出误差的逆传播：1、输出层的校正误差 2、隐含层各单元校正误差3、连接权值以及校正量 神经网络之梯度下降法循环记忆训练： 为了让网络的输出误差趋于极小值，一般需要进行数百次甚至上万次循环记忆，不断的反复循环上面介绍的步骤 神经网络之梯度下降法实例详解图片库mnist样例:(09)500*(28*28)待测试图片：实例详解1实例详解2小结1、神经

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论