基于深度神经网络的手写数字识别模拟研究

摘要

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等.针对以上问题,提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率.仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41％,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义.