English
|
正體中文
| 简体中文 |
全文笔数/总笔数 : 78852/78852 (100%)
造访人次 : 35335234 在线人数 : 397
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library IR team.
搜寻范围
全部NCUIR
資訊電機學院
通訊工程研究所
--博碩士論文
查询小技巧:
您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
进阶搜寻
主页
‧
登入
‧
上传
‧
说明
‧
关于NCUIR
‧
管理
NCU Institutional Repository
>
資訊電機學院
>
通訊工程研究所
>
博碩士論文
>
Item 987654321/8052
数据加载中.....
书目数据导出
Endnote RIS 格式
Bibtex 格式
引文信息
数据加载中.....
数据加载中.....
jsp.display-item.identifier=請使用永久網址來引用或連結此文件:
http://ir.lib.ncu.edu.tw/handle/987654321/8052
题名:
類神經網路在手寫數字辨識之研究
;
Neural Network in number handwriting recognition
作者:
陳緯達
;
Wei-Da Chen
贡献者:
通訊工程研究所
关键词:
類神經網路
;
手寫辨識
;
字元辨識
;
特徵抽取
;
handwriting
;
GFNN
;
SIANN
;
recognition
日期:
2004-07-05
上传时间:
2009-09-22 11:16:52 (UTC+8)
出版者:
國立中央大學圖書館
摘要:
自從類神經網路被發明以來,其中的多層感知器被應用的範圍是最廣亦最為熱門。但多層感知器(Multi-Layer Perceptron,MLP)本身隱藏層類神經元的架構過於簡單,而有收斂速度過慢等問題。本篇論文將提出以分流式抑制類神經網路(Shunting Inhibitory Neural Networks,SIANN)及一般化前饋式類神經網路(Generalized Feedforward Neural Networks,GFNN)配合傳統的倒傳遞演算法(Back-Propagation Algorithm)來進行手寫數字辨識的研究,並與傳統的多層感知器進行相互間的比較。我們採用了MNIST數字資料庫當成辨識與測試的輸入資料來源,本文尚有文字切割、正規化等介紹,並以方向性距離分佈(Directional Distance Distribution,DDD)作為特徵抽取的方式,可以表現字型的結構性及整體性,達到高準確的辨識率。經實驗證明,SIANN雖然辨識率比MLP要差,但其收斂速度優於MLP;而GFNN的辨識率及收斂速度都優於MLP及SIANN,可達到98.4%的辨識率。 .
显示于类别:
[通訊工程研究所] 博碩士論文
文件中的档案:
档案
大小
格式
浏览次数
在NCUIR中所有的数据项都受到原著作权保护.
社群 sharing
::: Copyright National Central University. | 國立中央大學圖書館版權所有 |
收藏本站
|
設為首頁
| 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library IR team
Copyright ©
-
隱私權政策聲明