原创力文档- 1、本文档共24页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
题目：基于DL4J库CNN手写识别
原理研究与实现
摘要
卷积神经网络作为一种深度单方向传播的可用一个有向无环图表示的网络，其在计算机对图像的处理中应用效果非常好。LeNet-5模型是一个专门为手写数字识别而设计的最经典的卷积神经网络模型。借助MNIST字符库数据集，优化卷积层样本的训练模式，即将每批固定输入样本和固定迭代次数的原始训练模式优化为每批不同输入样本和不同迭代次数的混合训练模式。优化后的训练方法可以提高识别速度，减少预处理的工作量。实验结果表明，优化后的混合样本输入法在保证样本训练时间相等的前提下，可以获得较高的识别率。
关键词：手写数字识别；MNIST字符集；卷积神经网络；Lenet-5模型
ABSTRACT
Asakindofdeepunidirectionalpropagationnetwork,convolutionalneuralnetworkcanberepresentedbyadirectedacyclicgraph,whichhasbeenwellappliedinimageprocessingbycomputer.Lenet-5modelisthemostclassicalconvolutionalneuralnetworkmodelspeciallydesignedforhandwrittendigitrecognition.WiththehelpofMNISTcharacterlibrarydataset,thetrainingmodeofconvolutionlayersamplesisoptimized,thatis,theoriginaltrainingmodeofeachbatchoffixedinputsamplesandfixediterationsisoptimizedtothemixedtrainingmodeofeachbatchofdifferentinputsamplesanddifferentiterations.Theoptimizedtrainingmethodcanimprovetherecognitionspeedandreducetheworkloadofpreprocessing.Theexperimentalresultsshowthattheoptimizedmixedsampleinputmethodcanachievehighrecognitionrateonthepremiseofensuringthesametrainingtimeofsamples.
Keywords:Handwrittendigitrecognition;MNISTcharacterset;convolutionalneural network;lenet-5model
目录
TOC\o1-3\h\z\u2915第一章引言 5
21971.1选题依据和研究意义 5
192271.2数字识别发展及研究情况 5
264061.3手写数字识别说明 6
29278第二章选题相关算法 7
215312.1手写识别算法发展 7
1062.2深度学习算法分类 8
132752.2.1据学习方法分类 8
106582.2.2据编解码方法分类 8
113742.2.3据技术结构应用分类 9
313182.3识别结果分类与对比 9
178302.4章节总结 10
23758第三章基于CNN手写识别的实现 11
90893.1手写识别分析 11
11753.2卷积神经网络模型简介 11
298763.3开发工具安装 14
44613.3.1开发工具Java语言 14
160023.3.2DL4J库 14
3634第四章训练识别和结果对比分析 17
144074.1训练识别过程 17
217084.2数据识别实现结果图 19
154564.3结果分析 20
260934.4学习速率与算法收敛趋势收敛速度之间的关系 21
167304.5章节总结 21
31753第五章总结 22
文档评论（0）