基于BP网络的字母识别.pdfVIP

应用奇葩 Example of Application 基于BP网络的字母识别 谢丽娟，丁正生，陈 俏 （西安科技大学理学院，陕西 西安 710054） 摘 要：介绍了用BP神经网络方法对英文字母进行识别，并在识别过程中考虑了噪声干扰及非 线性因素的存在，使网络具有一定的容错能力，并用MATLAB完成了对字母识别的模拟。 关键词：BP神经网络；模式识别，MATLAB 中图分类号：N3 文献标识码： A XIE Li Juan ，DING Zheng Sheng，CHEN Qiao （College of Science ，Xian University of Science and Technology, Xian 710054 ，China ） Abstract:The passage introduces method of using artificial neural network method to recognize alphabet, and considers the existence of noise disturbance and nonlinear factor, so the network has certain fault-tolerance capability. Finally use MATLAB to simulate alphabet recognition. Key words:back propagation network; mode recognition; MATLAB 智能控制作为一门新兴的交叉学科，在许多方面都 矢量联系起来； 优于传统控制，而智能控制中的人工神经网络由于模仿 (3) 分类：把输入矢量以所定义的合适的方式进行 人类的神经网络，具有感知识别、学习、联想、记忆、推 分类； 理等智能，更是有着广阔的发展前景。其中最核心的是 (4) 数据压缩：减少输出矢量的维数以便于数据传 [1] 输或存储。 反向传播网络(Back Propagation Network) ，简称BP 网络 。 本文介绍了运用matlab 工具箱确定隐层神经元的个数和 1.2 网络模型BP [2] 构造BP 神经网络，并用两类不同的数据对该神经网络进 BP 网络是一种单向传播的多层前向网络 ，每一层 行训练，然后运用训练后的网络对字符进行识别。 节点的输出只影响下一层节点的输出，其网络结构如 1 网络BP 图1 所示，其中X 和U 分别为网络输入、输出向量，每 1.1 网络的简介BP 个节点表示一个神经元。网络是由输入层、隐层和输出 20 世纪80 年代中期，学者Rumelhart 、McClelland 和 层节点构成，隐层节点可为一层或多层，同层节点没有 他们的同事提出了多层前馈网络 M FNN (M u t lt ilay er Feedforward Neural Networks) 的反向传播学习算法，简称 BP 网络(Back Propagation Network)学习算法。BP 网络是对 非线性可微分函数进行权值训练的多层前向网络。在 人工神经网络的实际应用中，80%～90% 的模型都采用 BP 网络或其变化形式。 BP 网络主要作用于以下几个方面： ( 1) 函数逼近：用输入矢量和相应的输出矢量训练 一个网络来逼近一个函数； (2)模式识别：用一个特定的输出矢量将它与输入 图