基于神经网络的数字识别应用研究.doc

摘要：近年来，随着人工智能技术的进一步发展，人工智能已经在各行各业受到广泛的应用和普遍欢迎。其中，作为人工智能的代表之一，数字识别也在各个领域受到重用。尤其是手写体数字识别，由于其应用场景更加宽泛，应用表现也令人瞩目。人们通常认为数字写法和结构简单，种类有限，进行识别会远比文字简单，但在现实操作中恰恰相反，实验结果表明，数字的识别率还要比喻印刷体汉字的识别率。因此，研究高性能的手写体数字识别算法具有较高的现实意义。

本文以国内外手写体数字识别相关研究成果为基础，对传统手写体数字识别过程作为详细分析和研究，发现在其在特征值提到等方面存在着缺陷。在此基础上，提出利用全连接神经网络反向传播算法对手写体识别系统改进的思路，并利用LABVIEW对改进后模型进行模拟，模拟结果显示出改进模型能较好的完成手写体数字识别功能，提高手写体数字识别的精度和速度，增强其实用性，取得了理想的结果。

关键词 数字识别；神经网络；LABVIEW；特征提取；线性模型；激活函数

目录

摘要

Abstract

1 绪论-1

1.1 研究背景和意义-1

1.2国内外研究现状-1

1.3研究内容-2

2数字识别原理-3

2.1人工神经网络概述-3

2.1.1人工神经网络的定义-3

2.1.2人工神经网络的分类-3

2.2 BP神经网络方法-3

2.3 数字识别-4

3传统手写数字识别方法的过程-5

3.1传统手写数字识别过程-5

3.2传统手写数字识别过程存在的不足-5

3.2.1特征值提取存在缺陷-5

3.2.2 线性模型的局限性-5

3.2.3 神经网络方法存在的不足-6

3.2.4 反向传播算法的缺陷-7

4手写数字识别过程的改进-8

4.1 特征提取的改进-8

4.2 激活函数实现去线性化-8

4.3 设计更加贴近实际问题需求的损失函数-10

4.4 通过指数衰减的方法设置学习率-14

4.5 通过正则化解决过度拟合的问题-15

5基于神经网络的手写数字识别系统模拟-19

5.1 LABVIEW介绍-19

5.2 编程思路（思路）-19

5.3手写数字识别系统模块-20

5.4 系统整体操作展示-23

结论-25

致谢-26

参考文献-27