神經(jīng)網(wǎng)絡大作業(yè)報告

1、應用 BP 神經(jīng)網(wǎng)絡的數(shù)字識別神經(jīng)網(wǎng)絡大作業(yè)15066081一、目的數(shù)字識別有很多的應用，同時也是文字識別中比較基礎的一類工作。在此基礎上，可以進一步再擴大研究范圍，對比字母的識別，進而是中文識別的方法。本次實驗的目的是為了了解并實現(xiàn)對中數(shù)字識別的原理和方法。二、方法1、數(shù)據(jù)集與數(shù)據(jù)預處理本文選擇了兩個數(shù)據(jù)集。大數(shù)據(jù)集：從 0-9寫體5000 張，每個數(shù)字 500 張。40 張，分四種字體，每個數(shù)字各 4 張。小數(shù)據(jù)集：從 0-9 的電腦輸入按大小數(shù)據(jù)集的不同組合和搭配進行具體實驗和結果比對。2、選擇語言與工具主要使用的神經(jīng)網(wǎng)絡工具箱進行神經(jīng)網(wǎng)絡的搭建。3、關鍵步驟與過程（1）建立樣本：循環(huán)讀

2、入全部樣本用二值化方法處理。，根據(jù)經(jīng)驗，將灰度閾值設為 0.3。把分為 30*30 的矩陣進行處理。截取中的數(shù)字部分，建立矩陣。再把全部樣本轉為矩陣數(shù)據(jù)。（2）訓練網(wǎng)絡：設置基本 BP 神經(jīng)網(wǎng)絡參數(shù)，本實驗中根據(jù)實際情況，對 3 中設置參數(shù)進行了比對，詳見第三部分。（3）測試輸出：為了方便人工比對直觀效果，加入了人工隨意選擇測試后把選擇的和網(wǎng)絡輸出結果同時顯示，以判斷結果。的代碼（鍵盤輸入），然三 ，結果1、計算機錄入的不同字體的數(shù)字（1）實驗 1.1對小數(shù)據(jù)集 40 個樣本進行訓練和測試，識別結果可達到 100%。（2）實驗 1.2以 40 個計算機輸入為訓練集，以 5000 個手寫為測試集

3、。測試效率很低，識別結果低于 20%，為此次實驗效果最低的組合。2、手寫識別（1）實驗 2.1以 5000 個手寫為訓練集，以 40 個計算機輸入為測試集。在隱藏層設置了 25 個神經(jīng)元，迭代上限 9000 次。效果如圖 1 所示。訓練時間為 28 分 23 秒。（2）實驗 2.2以 5000 個手寫為訓練集，以 40 個計算機輸入為測試集。在隱藏層設置了 200 個神經(jīng)元，迭代上限 5000 次。效果如圖 2 所示。訓練時間為 48 分 44 秒。圖 1實驗 2.1 效果圖圖 2實驗 2.2 效果圖（3）實驗 2.3以 5000 個手寫個組成訓練集。為數(shù)據(jù)集，每個數(shù)字抽取 50 個組成 50

4、0 個圖的測試集。其余 4500在隱藏層設置了 100 個神經(jīng)元，迭代上限 3000 次。效果如圖 3 所示。訓練時間為 25 分 06 秒。圖 3實驗 2.3 效果圖圖 4實驗 2.3 訓練圖 performance圖 5實驗 2.3 訓練圖 training sus圖 6實驗 2.3 訓練圖 regres四、結論實驗 1.1 的圖形雖然字體不同，但由于是計算機輸入，整體差別較小，所以識別率很高。實驗 1.2 的圖形由于是計算機輸入和手寫整體差別較大，所以識別率很低。實驗 2.1-2.2 的識別效果在 70%左右，實驗 2.3 識別效果與的差異性有很大關系。如能加大訓練的次數(shù)和時間，識別結果的效率應該會的精度，肯定會有助于識別率的提高。很多。而且，加大分析時此次實驗感受，對于數(shù)據(jù)的預處理是