基于深度學習的字符識別.pdf

1、深度學習屬于機器學習領域的一種方法，是一種特殊的機器學習算法。近年來在圖像分類，目標檢測，圖像分割，語音識別等領域取得了突破性的進展。深度學習中的一種重要網絡結構是卷積神經網絡，卷積神經網絡是一種仿生網絡，即模仿生物神經網絡，它具有傳統(tǒng)檢測分類算法無法達到的優(yōu)秀特性。字符識別問題在近年來也有著廣泛的應用，中文手寫體字符識別在字符識別領域屬于比較困難和復雜的識別問題。
　　本文針對中文手寫體字符識別問題，采用深度學習算法訓練深度卷積

2、神經網絡結構以及其改進結構，具體內容如下：
　　1、結合中文手寫體字符自身的特點，設計深度卷積神經網絡，卷積神經網絡的輸入數(shù)據(jù)是中文手寫體字符圖像，輸出是訓練分類結果。通過前向傳播訓練，反向傳播算法以及梯度下降算法對網絡參數(shù)進行更新，逐步迭代優(yōu)化，最終確定深度卷積神經網絡模型的參數(shù)。在對比實驗中，設計不同的深度卷積神經網絡結構對其進行訓練與分析，以便研宄不同卷積神經網絡結構對手寫體中文字符識別的影響。
　　2、在傳統(tǒng)深度卷積

3、神經網絡的基礎上對其網絡結構進行改進，將不同的深度卷積神經網絡模型進行融合，設計多列深度神經網絡結構，針對中文手寫體字符識別問題，提出了Softmax回歸模型輸出概率均值融合算法，并應用于多列深度神經網絡結構當中，該均值融合算法降低了構成多列深度神經網絡結構中的每一個卷積神經網絡結構的錯誤率，進而提高了整個網絡結構的正確率。
　　3、在傳統(tǒng)深度卷積神經網絡的基礎上對其訓練算法進行改進，將網絡訓練中的卷積層輸出特征數(shù)據(jù)分成“小批”樣