1引言目前,模式识别系统中分类决策的措施有很多种,人工神经网络法具有以下几个明显的优点:(1)具有较强的容错性,能够识别带有噪声或变形的输入模式(输入向量),识别效果好;(2)具有很强的自适应学习能力;(3)并行分布式信息存储与处理,学习效果好,识别速度快.对于手写数字识别问题,虽然数字的类别只有10种(0~9),分类规模小,但是事实上,手写数字的正确识别率还不如印刷体汉字的识别正确率高.探讨高性能的手写数字识别算法是一项复杂的工作,本文讨论了人工神经网络在手写数字识别中的运用,针对手写体数字的结构特点,采用改进的BP学习算法进行识别.图1 NIST数据库中的手写数字样本举例[1]Fig.1 Example for handwritten recognition in NIS data-base2人工神经网络的数学机理2·1多元连续函数的一元函数复合表示问题在数学上,早在1900年Hilbert就猜测,多元连续函数不能用一元连续函数的复合来表示.然而,他的猜测在1957年被Arnold及Kolmogorov所否定[2].Kolmogorov证明:任一定义在......(论文页数是：7页) ，阿拉伯语论文，阿拉伯语论文网站 |
