采用卷积神经网络的数字手写体识别的研究

摘要：

卷积神经网络(Convolutional Neural Network,CNN)是近年发展起来并引起广泛重视的一种高效的识别方法.计算机对于数字手写体的识别,从根本上说是数字读取和图像分类.本文针对传统的卷积神经网络中激活函数收敛速度慢且梯度易弥散的问题,对CNN中的激活函数进行改进.在遵循LeNet-5模型的基础上,将改进后的CNN模型的算法进行推导,并对比不同迭代次数下CNN的正确率.实验结果表明,改进后的CNN模型收敛性有所改善,数字手写体识别的准确率也有明显提高.

关键词：数字手写体识别、激活函数收敛速度、CNN模型

所属期刊栏目：32

分类号：N34(分析研究、测试与鉴定)

资助基金：2015山东省科技重大专项2015ZDXX0801A03;2017山东省重点研发计划2017CXGC1505

在线出版日期：2018-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49