English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 64745/64745 (100%)
造訪人次 : 20503917      線上人數 : 443
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    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


    題名: 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
    貢獻者: 通訊工程研究所
    關鍵詞: 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
    上傳時間: 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。 .
    顯示於類別:[通訊工程研究所] 博碩士論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    0KbUnknown1425檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    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 ©   - 回饋  - 隱私權政策聲明