手写数字识别方法研究

提出了一种用BP神经网络识别手写数字的方法。论述了其良好的监督学习功能,并结合轮廓特征提取进行训练,给出了一种基于梯度下降法训练BP神经网络的手写数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

手写体数字字符识别算法仿真比较研究

采用BP神经网络、原始极限学习机、正则极限学习机和傅里叶变换优化极限学习机算法分别进行手写体数字字符识别仿真实验,通过MINIST数据库中的10 000个手写体数字样本训练神经网络数据传输过程中的参数,用训练所得神经网络参数进行手写体数字识别仿真测试。比较4种算法的仿真效果,BP网络识别效果最好、训练速度最慢,原始极限学习机训练速度最快,正则极限学习机和傅里叶变换极限学习机优化算法识别正确率高于原始极限学习机,但增加了算法的时间复杂度。将该手写体数字字符识别仿真实验用于学生实验教学,可加强学生对神经网络相关知识的学习和理解,提高学生编程和工程应用能力。     

基于遗传算法的径向基神经网络学习算法

文章对径向基神经元网络（Radial Basis Function Neural Networks,以下简称为RBFNN）结构进行了分析,提出了应用遗传算法训练径向基网络的算法,并将该算法训练的网络用于10个数字的识别,相对于最近邻聚类学习算法和BP网络来说,识别效果和精度均有提高。     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。     

基于遗传-BP神经网络的手写数字识别

简要介绍了遗传算法和BP算法,并结合手写数字识别的实际应用,提出了手写数字识别的遗传神经网络算法。实验表明,多种算法综合使用比单独使用一种算法得到的图像识别率要高。     

基于BP神经网络的手写体识别方法研究

基于一种改进结构的BP神经网络,探讨了神经网络应用于手写体文字识别的方法。除了对网络结构的改进外,还对网络的学习算法进行了改进,并应用进化计算理论,遗传算法与BP算法,提高了网络的训练速度和识别效果。     

基于改进BP神经网络的湘西方块苗文图像识别

湘西方块苗文是湖南省湘西少数民族地区使用的一种文字,在采用传统的BP神经网络对字符图像进行识别时,易出现收敛速度慢、陷入局部极小值的问题。对此,为采用BP神经网络对湘西方块苗文图像进行更好地识别,提出了一种基于附加动量法和自适应学习速率相结合的改进型BP神经网络,并将其应用于湘西方块苗文的识别。仿真结果表明,该算法不但收敛速度快,而且可以避免陷入局部极小值。     

基于AGA优化BP神经网络的矿井通风机故障诊断

矿井通风机稳定运行对煤矿安全生产具有十分重要的意义。为提高通风机故障诊断的准确率,通过分析通风机振动信号频率成分与通风机故障类型之间的关系,提出一种基于自适应遗传算法（AGA）优化BP神经网络的矿井通风机故障诊断方法。采用AGA优化BP神经网络的连接权值和阈值,提高BP神经网络的学习能力和泛化能力;建立基于BP神经网络的通风机故障诊断模型,并进行仿真实验。实验结果表明,AGA优化的BP神经网络能够有效识别通风机故障类型,故障诊断准确率高。     

数字识别算法研究

文章深入研究了基于BP神经网络的数字识别算法。首先,对输入的图像进行预处理,然后提取特征,最后构造基于BP神经网络的分类器。实验结果表明：该识别算法达到了较高的识别正确性,具有一定的实用性和有效性。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。