需要金幣： 2000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：12002 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：機器學習是最近幾年來熱門的計算機研究領域。人工神經(jīng)網(wǎng)絡是機器學習中最為重要的理論基礎，通過人工神經(jīng)網(wǎng)絡來進行模式識別成為愈加重要的途徑。本設計借助MATLAB 平臺成熟的神經(jīng)網(wǎng)絡工具箱，建立了一種用于識別無噪的手寫數(shù)字的反向傳播神經(jīng)網(wǎng)絡。該網(wǎng)絡通過利用基于傳統(tǒng)反向傳播算法改進的彈性反向傳播算法來學習 5000 份無噪的手寫數(shù)字圖像來訓練自身。訓練的測試結果表明，該神經(jīng)網(wǎng)絡能夠達到 90% 左右的識別正確率。 關鍵詞：感知器，神經(jīng)網(wǎng)絡，機器學習，手寫數(shù)字識別
目錄 摘要 Abstract 引言 5 感知器神經(jīng)網(wǎng)絡與反向傳播算法 6 2.1 感知器神經(jīng)網(wǎng)絡 6 2.1.1 感知器的學習 8 2.1.2 感知器的局限性 10 2.2 反向傳播算法 10 2.2.1 彈性反向傳播算法 12 2.3 基本原理 13 運行環(huán)境 13 方法概述與實現(xiàn)過程 14 3.1 流程圖 15 3.2 實現(xiàn)過程 15 3.2.1 圖像讀取 15 3.2.2 提取特征 16 3.2.3 構造標簽用于監(jiān)督學習 18 3.2.4 隨機選定訓練樣本和測試樣本 19 3.2.5 神經(jīng)網(wǎng)絡的創(chuàng)建 19 3.2.6 正確率的計算 20 3.2.7 具體數(shù)字的識別 21 數(shù)據(jù)分析 21 4.1 性能函數(shù) 22 4.2 梯度和驗證檢查 22 4.3 回歸中的相關系數(shù) 23 結論 25 參考文獻 26 致謝 27 |
