卷积神经网络在手写数字识别中的应用

摘要：

基于深度学习卷积神经网络在手写体数字识别中的应用,对卷积神经网络的结构进行介绍,同时使用MNIST数据集对设计的卷积神经网络模型进行训练与测试,训练后的模型在MNIST的测试集样本中的识别精度可以达到99.25％.最终将训练好的模型用于在线手写体数字的识别,识别精度高达99％以上.实验结果表明,与传统的线性回归模型相比,卷积神经网络有更好的鲁棒性和抗干扰性,识别精度明显优于传统的线性回归模型.

关键词：卷积神经网络、MNIST、手写数字识、线性回归、深度学习

所属期刊栏目：16

分类号：TP311(计算技术、计算机技术)

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：13-15