基于改进卷积神经网络的手写体识别研究

摘要：

针对卷积神经网络层数设计和参数优化问题,改进和测试了LeNet-5模型.通过MNIST字符库,分析了卷积层参数滤波器数量、核大小、池化方法、激活函数和网络学习速率等对机器手写体识别性能的影响.实验结果表明,改进后的网络结构简单,预处理工作量小,可扩展性强,识别速度快,识别率达到0.993 9,有效缓解了过拟合.

关键词：卷积神经网络、手写体识别、LeNet-5模型、网络结构

所属期刊栏目：28

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目U1404617;河南省科技开放合作项目162106000015;河南省高校科技创新团队项目16IRTSTHN026;河南省科技创新人才计划杰出青年项目174100510011

在线出版日期：2017-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-85