類神經網路在手寫數字辨識之研究; Neural Network in number handwriting recognition

NCUIR > College of Electrical Engineering & Computer Science > Graduate Institute of Communication Engineering > Electronic Thesis & Dissertation > Item 987654321/8052

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/8052

Title:	類神經網路在手寫數字辨識之研究;Neural Network in number handwriting recognition
Authors:	陳緯達;Wei-Da Chen
Contributors:	通訊工程研究所
Keywords:	類神經網路;手寫辨識;字元辨識;特徵抽取;handwriting;GFNN;SIANN;recognition
Date:	2004-07-05
Issue Date:	2009-09-22 11:16:52 (UTC+8)
Publisher:	國立中央大學圖書館
Abstract:	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。 .
Appears in Collections:	[Graduate Institute of Communication Engineering] Electronic Thesis & Dissertation

Files in This Item:

File	Size	Format

社群 sharing

Loading...