基于长短期记忆神经网络的手写数字识别

• 作者: 姑丽加玛丽·麦麦提艾力 安丽娜 蒋锐鹏
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 模式识别 手写数字识别 Softmax模型 长短期记忆神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 94-97
• 页数: 4页
• 分类号: TP183
• 字数: 2108字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.02.019

摘要

手写笔迹识别是模式识别的一个重要研究领域.因为每个人的书写习惯有所不同,导致手写的字体有一定的差异.传统的Softmax模型在手写数字的识别结果上并没有达到人们的期望.目前,深度神经网络框架是模式识别领域的主流方法.长短期记忆神经网络(long-short term memory network,LSTM)是一种特殊的循环神经网络,它由输入门、遗忘门、输出门以及神经元组成.长短期记忆神经网络对于长序列问题有很好的处理.文中提出采用双向长短期记忆神经网络进行手写数字识别.采用MNIST数据集,分别使用传统的Softmax方法和双向长短期记忆神经网络方法对MNIST数据集里的图片进行识别.实验结果表明,传统的Softmax模型的正确率为92％左右,而LSTM模型的正确率达到了96.3％,提升4.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋锐鹏	新疆师范大学数学科学学院	3	2	1.0	1.0
2	姑丽加玛丽·麦麦提艾力	新疆师范大学数学科学学院	6	7	2.0	2.0
3	安丽娜	新疆师范大学数学科学学院	3	2	1.0	1.0