| DC 欄位 |
值 |
語言 |
| DC.contributor | 通訊工程學系 | zh_TW |
| DC.creator | 陳緯達 | zh_TW |
| DC.creator | Wei-Da Chen | en_US |
| dc.date.accessioned | 2004-7-6T07:39:07Z | |
| dc.date.available | 2004-7-6T07:39:07Z | |
| dc.date.issued | 2004 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=91523042 | |
| dc.contributor.department | 通訊工程學系 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.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。 | zh_TW |
| dc.description.abstract | none. | en_US |
| DC.subject | 類神經網路 | zh_TW |
| DC.subject | 手寫辨識 | zh_TW |
| DC.subject | 字元辨識 | zh_TW |
| DC.subject | 特徵抽取 | zh_TW |
| DC.subject | handwriting | en_US |
| DC.subject | GFNN | en_US |
| DC.subject | SIANN | en_US |
| DC.subject | recognition | en_US |
| DC.title | 類神經網路在手寫數字辨識之研究 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.title | Neural Network in number handwriting recognition | en_US |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |