卷积神经网络在手写数字识别中的应用

• 作者: 何帅
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 卷积神经网络 MNIST 手写数字识 线性回归 深度学习
• 年，卷（期）: 2020,（21）
• 页码范围: 13-15
• 页数: 3页
• 分类号: TP311

摘要

基于深度学习卷积神经网络在手写体数字识别中的应用,对卷积神经网络的结构进行介绍,同时使用MNIST数据集对设计的卷积神经网络模型进行训练与测试,训练后的模型在MNIST的测试集样本中的识别精度可以达到99.25%。最终将训练好的模型用于在线手写体数字的识别,识别精度高达99%以上。实验结果表明,与传统的线性回归模型相比,卷积神经网络有更好的鲁棒性和抗干扰性,识别精度明显优于传统的线性回归模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何帅	西华大学计算机与软件工程学院	5	0	0.0	0.0