BP神经网络改进及其
THE IMPROVEMENT OF BP NEURAL NETWORK AND ITS APPLICATION IN HANDWRITTEN RECOGNITION
摘 要
Abstract
目 录
第1章 绪论
1.1 研究背景及实际意义
1.1.1 人工神经网络的历史及展望
1.1.2 手写数字的应用
1.1.3 手写体数字识别的研究现状
1.2 本论文所做的工作
第2章 BP神经网络概述
2.1 人工神经网络概述
2.1.1 神经网络基本定义及特性
2.1.2 学习规则和学习方式
2.1.3 神经网络处理问题的能力
2.2 BP神经网络原理及性能
2.2.1 传统BP神经网算法原理
2.2.2 BP算法的编程步骤
2.2.3传统的BP算法流程图
2.2.4 BP 神经网络的优良性能
2.3 本章小结
第3章 BP神经网络的改进
3.1 传统BP神经网络的缺陷
3.2 结构内网络参数确定及改进
3.2.1 初始权值选取
3.2.2 隐层及隐节点选取
3.2.3 目标误差界值
3.2.4 学习速率确定
3.2.5 激励函数改进
3.2.6 性能函数确定
3.3 基于梯度方法上的改进
3.3.1 批处理方法
3.3.2采用动量项法
3.3.3 模拟退火和柯西算法
3.3.4 BI算法
3.4 基于数值最优化的BP算法
3.4.1 共轭梯度BP算法
3.4.2 拟牛顿BP算法
3.4.3 LM-BP算法
3.5 几种BP改进算法的仿真结果比较
3.5.1 识别问题描述
3.5.2 网络训练部分
3.5.3 网络测试部分
3.6 本章小结
第4章 数字识别部分
4.1 神经网路模式识别概述
4.2 预处理工作
4.2.1 原始样本获取
4.2.2 定位和切割
4.2.3 归一化
4.2.4 二值化
4.2.5 平滑化
4.2.6 去噪和细化
4.3 特征选择和提取
4.3.1 笔画动态特征
4.3.2 有效行特征
4.3.3 结构特征
4.4 手写体数字的识别过程
4.4.1 样本获取及处理
4.4.2 网络建立
4.4.3 训练和测试的性能比较
4.5 本章小结
结 论
参考文献
攻读学位期间发表的学术论文
哈尔滨工业大学硕士学位论文原创性声明
哈尔滨工业大学硕士学位论文使用授权书
致 谢
哈尔滨工业大学;