基于改进BP神经网络数字识别.pdfVIP

下载本文档

18
0
约1.89万字
约 6页
2017-09-02 发布于安徽
举报
版权申诉

基于改进BP神经网络数字识别.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

201 第19卷第3期电子设计工程 1年2月 V01．19 No．3 Electronic Feb．2011 DesignEngineering 基于改进BP神经网络的数字识别王婷，江文辉，肖南峰 (华南理工大学计算机科学与工程学院，广东广州510006) 摘要：针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点，提出了一种新的BP神经网络改进算法。与标准BP算法比较，该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法。附加动量法虽然可以使BP算法避免陷入局部极小．但是对初始值的选取比较敏感，而且选取合适的学习速率比较困难。而自适应学习速率法可以自动把学习速率调整到一个合适的数值，也可以加快网络的收敛速度．但不能避免陷入局部极小。通过将两者结合起来形成新的改进算法。既可以避免陷入局部极小又可以加快网络的收敛速度。并在此基础上设计一个基于BP神经网络的数字识别系统，此系统可以作为核心部分应用到诸如票据等数字识别中去。实验结果表明．该方法成功的避免了BP算法陷入局部极小，而且收敛速度比标准BP算法提高了17．5倍。关键词：BP神经网络；数字识别；附加动量法；自适应学习速率中图分类号：TP3l 文献标识码：A 文章编号：1674—6236(2011)03-0108-05 Numerical basedon BPneuralnetwork reeognitionimproved WANG Wen-hui，XIAO Ting，JIANG Nan-feng China 510006，China) (SchoolofComputerScienceEngineering，SouthUnivers毋ofTechnology，Guangzhou Abstract：Inthis new is BPneuralnetworkcan paper，aimprovedBP(BackPropagation)algorithmpresented．because tothe theadditional fallintolocalminimumandslow standardBP，this easily convergence．Compared algorithmintegrated BP localminimum momentummethodwiththe ratemethod．The couldavoid into adaptivelearning algorithm falling initial it alsodifficultto becauseoftheadd