【人工神经网络在手写体字符识别中的应用】方娟.pdf

吉林工业大学硕土研究生毕业论文摘要本文基于人工神经网络理论,对手写体字符(包括10个阿拉伯数字和大小写52个英文字母)识别工作进行了深入的研究.首先对人工神经网络中常用的几种模型,如Hopfield模型,Hamming 网络,BP网,新感知机(Neocognitron)模型,Dystal(DynamicallyStable AssociativeLearning)模型进行分析研究,然后确定选择其中的BP网和Dystal 这两种模型进行实验仿真,由实验结果证明这两种模型比较适合于识别手写体字符。

吉林工业大学硕土研究生毕业论文目第一章引言第二章神经网络概述 2 神经网络的概念及其工作原理 S2 神经网络的一般框架 S2 神经元模型 2 人工神经网络的训练(学习)第三章神经网络与字符识别 S3传统模式识别与神经网络模式识别 S3应用于字符识别的几种神经网络模型 S3新感知机模型 S3Dystal模型 S3Dystal模型的生物学基础及特点 S3Dystal网络的设计 S3BP网络模型 S3简介 S3反向传播(BackPropagation)法的推导 S3.

吉林工业大学硕士研究生毕业论文第一章引言利用机器模仿人类的智能是长期以来电子计算机发展的趋势。在寻求其发展的过程中,逐渐形成了一个新兴的学科交叉技术领域,人们称之为“人工神经网络”(ANN-一ArtifitialNeuralNetwork)。它的发展将为人工智能、模式识别与信息处理等学科的研究带来新的生机和希望.从神经生物学、神经解剖学、神经生理学和人工智能技术来看,神经元(神经细胞)是动物和人脑神经系统的基本结构和功能体。ANN是对人脑神经系统的模拟,它是由大量神经元组成的。像语言、图像及机器人一样,都有模式匹配的形式,即接收一个输人,就有一个相应的输出与之匹配。