中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/8052
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 74010/74010 (100%)
造访人次 : 24649473      在线人数 : 255
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 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


    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