机器和深度学习算法在手写数字识别中的应用比较

• 作者: 张园 王书旺 马永兵
• 来源期刊: 信息化研究
• 学科: 工学
• 关键词: 手写数字识别 MNIST数据集 支持向量机 多层感知器 卷积神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 技术与应用|Technology and Application
• 页码范围: 60-64
• 页数: 5页
• 分类号: TP183
• 语种: 中文

摘要

手写数字识别在多个领域具有广泛应用.在实际应用中,手写数字识别的准确性至关重要.为获得最佳的手写数字识别模型,文章提出一种用于手写数字识别的卷积神经网络模型,通过实验比较支持向量机、多层感知器和卷积神经网络模型在MNIST数据集手写数字识别中的识别准确性及其执行时间.实验结果表明,本文提出的卷积神经网络模型,在手写体数字数据集上的识别正确率可达99.4％.