作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
BP神经网络能够在模式识别中发挥重要的作用,这是因为它的并行结构、并行处理能力以及自行组织、适应和学习的能力非常强,它所独有的非线性特征也构成了关键的影响因素.为了能够发明一种识别效果显著的方法,需要以BP神经网络为基础,考虑到可能存在的各种干扰因素,对数字识别技术开展研究和分析.以研究的根本目标为驱动力,建立BP神经网络的架构,发现模型中存在的各种问题并加以完善和修正,由此建立起完整健全的神经网络.MATLAB仿真实验的结果显示,完善后的BP神经网络大大提高了手写数字识别的准确率,也缩短了识别时间,未来有很大的发展潜力.
推荐文章
BP神经网络算法在数字识别中的应用
BP神经网络
附加动量法
自适应学习率
基于改进卷积神经网络的手写数字识别
手写数字识别
卷积神经网络
SVM分类器
基于卷积神经网络的藏文手写数字识别
藏文手写数字
数字识别
CNN
数据预处理
样本训练
自动识别
BP网络在手写体数字识别中的应用
数字识别
BP神经网络
部分连接
应用
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 BP神经网络算法下手写数字识别技术研究
来源期刊 电脑迷 学科
关键词 BP神经网络 手写数字识别 特征提取
年,卷(期) 2017,(2) 所属期刊栏目 网络技术
研究方向 页码范围 77-78
页数 2页 分类号
字数 3881字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于涛 10 20 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (17)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (12)
二级引证文献  (2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
BP神经网络
手写数字识别
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑迷
旬刊
1672-528X
50-1163/TP
16开
重庆市渝中区双钢路3号科协大厦1202(武汉市洪山区珞狮北路2号樱花大厦A座15楼 430070)
78-230
2003
chi
出版文献量(篇)
29651
总下载数(次)
121
总被引数(次)
8479
论文1v1指导