一种基于深度Q学习策略的手写数字识别方法

摘要

一种基于深度Q学习策略的手写数字识别方法属于人工智能和模式识别领域，针对手写数字标准对象MNIST数据库的识别精度低的问题。首先，利用深度自编码器(Deep Auto‑Encoder，DAE)对原始信号进行抽象特征提取，Q学习算法将DAE对原始信号的编码特征作为当前状态。然后，过对当前状态进行分类识别得到一个奖励值，并将奖励值返回给Q学习算法以便进行迭代更新。通过最大化奖励值来完成手写数字的高精确识别。本发明将具有感知能力的深度学习和具有决策能力的强化学习结合在一起，通过深度自编码器与Q学习算法相结合构成Q深度信念网络(Q‑DBN)，提高了识别精度，同时缩短了识别时间。