五种人民币序列号识别算法抗噪能力比较

• 作者: 严旭 刘小波 崔桂华 李长军 钱祥忠
• 来源期刊: 计算机系统应用
• 关键词: 神经网络 字符识别 Hopfield BP PNN GRNN SVM
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 专论·综述
• 页码范围: 29-34
• 页数: 6页
• 字数: 4239字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005295

摘要

为了比较不同的人工神经网络算法识别人民币序列号的性能,研究了离散Hopfield神经网络、BP神经网络、PNN神经网络、GRNN神经网络、SVM神经网络等五种算法的训练耗时、识别速度、识别率和抗噪声能力.研究结果表明,在五种算法中BP算法的综合表现最差,其次为SVM和Hopfield算法,而PNN和GRNN算法表现最好,不仅识别率最高、训练和识别时间最短,而且具有较强的抗噪声能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱祥忠	温州大学物理与电子信息工程学院	36	242	8.0	14.0
2	刘小波	温州大学物理与电子信息工程学院	2	2	1.0	1.0
3	崔桂华	温州大学物理与电子信息工程学院	8	17	2.0	4.0
4	李长军	温州大学物理与电子信息工程学院	2	2	1.0	1.0
5	严旭	温州大学物理与电子信息工程学院	2	2	1.0	1.0