基于卷積神經網絡的手寫數字識別軟件的設計與實現.pdf

1、卷積神經網絡是將人工神經網絡和深度學習兩種技術結合而產生的一種更新、更快的網絡。其特有的局部感受野、降采樣和權值共享、隱性特征提取等優(yōu)點使得其在圖像識別領域得到了廣泛應用。
　　本文介紹了卷積神經網絡模型的基本概念，分析了其優(yōu)缺點和適用范圍，將卷積神經網絡應用于手寫數字識別，取得了良好效果。論文主要工作如下:
　　(1)本文在遵循LeNet-5模型基礎上，減少特定的網絡訓練參數和連接數目，依據過濾器和特征圖的數量的不同，設計

2、并實現了若干網絡模型，并以同一數據集作為訓練樣本，應用于數字識別。
　　(2)對比上述幾種網絡模型的實驗結果，給出了適于本文的網絡結構，說明了精簡、輕量網絡模型的可行性。
　　(3)通過對比上述若干網絡模型的學習特性和分類效果，分析了過濾器和特征圖數量與識別率之間的關系，簡述各個模型的優(yōu)缺點。
　　(4)本文得出的結論是在現有提供的網絡模型基礎上，以現有硬件資源為條件，CNN-2模型為最適用模型，網絡訓練25次收斂，準