神经网络的逼近问题及其在车牌识别中的应用

摘要

人工神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼近非线性函数的特点，在模式识别系统、辨识系统、控制领域都得到了广泛的应用.本文分两部分分别讨论了神经网络的逼近问题及其在车牌照识别方面的应用.
　　 对于给定的r阶多项式函数，可以具体地构造出一个三层前向神经网络，以任意精度逼近该多项式，所构造的阿络的隐层节点个数仅与多项式的阶数r和阿络的输入个数s有关，并能准确地用r表示本文的第一部分对这—结论进行了推广，指出在利用神经阿络逼近某类连续函数时，对于任意误差，可找到一个r，所构造的神经网络的隐层结点个数仅与r和阿络的输入个数s有关，并能准确地用r表达.
　　 伴随着神经网络的不断发展.神经阿络已被广泛的应用于各个领域，本文的第二部分主要研究讨论人工神经阿络在车辆牌照识别(简称LPR)方向的应用.