手写体数字识别
手写体数字识别的相关文献在1980年到2022年内共计120篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、心理学
等领域,其中期刊论文113篇、会议论文5篇、专利文献1539430篇;相关期刊75种,包括贵州师范大学学报(自然科学版)、内江科技、电子学报等;
相关会议5种,包括全国第17届计算机科学与技术应用(CACIS)学术会议、国家气象信息中心2005年科技年会、全国信息论与通信理论学术会议等;手写体数字识别的相关文献由270位作者贡献,包括杨静宇、娄震、刘克等。
手写体数字识别—发文量
专利文献>
论文:1539430篇
占比:99.99%
总计:1539548篇
手写体数字识别
-研究学者
- 杨静宇
- 娄震
- 刘克
- 吴平东
- 孙靖夷
- 柳回春
- 胡钟山
- 马树元
- Cheng-LinLiu
- HiromichiFujisawa
- HiroshiSako
- KazukiNakashima
- Liu
- 何香仪
- 全海燕
- 兰梦宇
- 刘定奇
- 姜宇鹰
- 常胜江
- 幸坚炬
- 张猛
- 张镭
- 施鹏飞
- 曾兴生
- 李亚茜
- 李军
- 李琼
- 杨峰
- 栗国星
- 毕路拯
- 熊伟
- 王维虎
- 石秉学
- 石齐双
- 耿西伟
- 胡伟
- 袁焕丽
- 谢赞福
- 金忠
- 陈园园
- 高旭
- 魏巍
- 黄战
- Bui
- Cheng-Lin
- Cheng-Lin
- Ching
- Ching Y. Suen
- ChingY.Suen
- D.
-
-
郝雅娴;
孙艳蕊
-
-
摘要:
本文针对手写体数据集在进行卷积神经网络算法训练时分别使用交叉熵损失函数与负对数似然函数进行实验,通过对这两种损失函数下的训练集损失函数收敛曲线以及测试集精度曲线进行算法结果分析,本文得出交叉熵损失函数对比负对数似然函数更适用于手写体数据集进行卷积神经网络训练,同样得出对不同的训练数据集,损失函数的选择直接影响算法对数据的拟合度。
-
-
高春庚;
孙建国
-
-
摘要:
手写体数字识别技术是模式识别领域研究的热点,而人工神经网络是人工智能领域的研究热点.本文将二者结合并利用TensorFlow技术,提出了一种基于TensorFlow的手写体数字识别技术.结果表明:该技术方法简单,识别率高,有一定的实用性.
-
-
张玉娇
-
-
摘要:
手写体数字0-9的识别在原始数据集的获取上较为容易,拥有MNIST的这种成熟的大型标准数据集,已经被视为是人工智能图像识别领域研究的入门问题,对其进行研究具有重要的现实意义。在众多的识别算法中,卷积神经网络在识别精度上的表现较为突出,而深度学习框架的出现在一定程度上降低了神经网络模型构建的难度和入学门槛。本文基于Tensorflow深度学习框架,详细讨论了如何构建LeNet-5卷积神经网络模型实现手写体数字识别的方法,使用MNIST数据集进行模型的训练与评估。
-
-
李凯鹏;
刘刚;
李帅;
万仁兵
-
-
摘要:
近年来,人工智能和机器学习已成为国内外学者重要研究的领域。基于此,笔者探讨基于卷积神经网络(Convolutional Neural Networks,CNN)的高精度手写体数字识别,并将卷积内核大小、滤波器的数量、池化层的种类以及优化器的类型作为变量,通过改变这些变量做对比实验,检测模型训练和测试的准确率。实验结果表明,当卷积内核设置为3×3,三层卷积层滤波器的数量分别为32、64、128,使用最大池化层,选择Adam作为模型优化器的情况下,网络能够达到100%的训练准确率和99.55%的测试准确率,实现了高精度的手写体数字识别。
-
-
贾晓研;
张勇斌;
齐元胜
-
-
摘要:
本文介绍了3种不同的算法,通过比较使用的是卷积神经网络中的LeNet-5算法,运用LeNet-5算法对手写体数字识别算法准确率进行了研究。通过对卷积神经网络的基本原理以及其中LeNet-5模型进行介绍,使用PyCharm软件搭建了TensorFlow框架,运用MNIST数据集进行了识别准确率实验,对实验结果进行分析,得到通过改变参数可以影响准确率不同的结果。
-
-
康磊;
李慧;
郑豪威;
李鑫
-
-
摘要:
针对卷积神经网络(CNN)对运算的需求,现场可编程逻辑门阵列(FPGA)可以充分挖掘CNN内部并行计算的特性,提高运算速度.因此,本文基于FPGA开发平台,从模型优化、参数优化,硬件加速以及手写体数字识别四个方面对CNN的FPGA加速及应用进行研究.提出一种数字识别网络RLeNet,并对网络进行参数优化,卷积运算加速采用脉冲阵列与加法树结合的硬件结构实现,同时使用并行技术和流水线技术优化加速,并使用microblaze IP通过中断控制CNN加速器IP接收串口发送的图片数据进行预测,输出结果.最后在Xilinx Nexys 4 DDR:Artix-7开发板上实现了MNIST数据集手写体数字识别预测过程,当系统时钟为200MHz时,预测一张图片的时间为36.47us.
-
-
赵腾浩;
杨立娟;
王宇;
李晶
-
-
摘要:
针对传统KNN算法的手写数字识别运算量大和分类准确率低的问题,笔者提出一种基于分块LBP特征和训练集生成均值特征向量的改进KNN算法.该方法将样本图像分割为4个区域,分别提取各个区域的LBP直方图,然后将其组合作为该图像的特征向量.通过对比发现,基于分块LBP特征的传统KNN算法的分类准确率达到89%,但用时较长;运用改进后的KNN算法的数字分类准确率达到100%,同时大大减少了计算时间.
-
-
张艳邦;
张芬;
刘妍洁
-
-
摘要:
针对手写体数字识别问题提出了一种改进的ResNet网络模型.通过对ResNet网络的模型结构分析,利用残差解决梯度消失法的原理,对残差模型进行了修正,提出了一种改进的ResNet网络模型,并在公共数据集MNIST上进行了检测实验.实验结果表明,提出的网络模型具有较高的检测精度,改进后10层的残差网络,达到了改进前50层残差网络的检测效果.
-
-
冯超
-
-
摘要:
手写体数字识别系统具有广泛的应用场景.文章描述了一种把稀疏自编码器无监督学习得到的权值矩阵应用于卷积神经网络,利用提取的特征训练分类器,并将权值系数矩阵写入ARM Cortex-M4,实现了手写体数字实时识别系统的教学实验案例.
-
-
李王辉;
白钢华;
李素娟
-
-
摘要:
随着计算机技术的高速发展,计算机识别文字成为重要研究领域.手写体数字识别技术可以用于财政报表、试卷成绩统计等手写数字识别录入系统.在信息化发展下,对手写体数字识别技术需求迫切.卷积神经网络可以提高手写体数字识别泛化能力.针对传统卷积神经网络激活函数收敛速度慢问题,改进CNN模型算法推导,改善模型收敛性.