文件名称:不同深度学习模型对手写数字识别的比较研究-研究论文
文件大小:1.2MB
文件格式:PDF
更新时间:2024-06-08 09:47:08
Handwriting Digit Recognition CNN ANN
随着人工神经网络(ANN)的扩展,深度学习(DL)使其比我们10到2年前的智能和效率更高,从而在人工智能(AI)的各个领域带来了有趣的转变。 由于DL的多功能性,它已在各个领域中使用。 卷积神经网络(CNN)是将ANN和创新的DL技术结合在一起的主要发展点。 在本研究论文中,我们设计了一个多层的全连接神经网络(NN),其中包含10和12个隐藏层,用于手写数字(HD)识别。 测试是在可公开获得的MNIST手写数据库上执行的。 我们从MNIST数据库中选择了60,000张图像进行训练,并从10,000张图像进行测试。 在使用MNIST手写数据集确定数字的同时,我们的多层ANN(10),ANN(12)和CNN能够分别达到99.10%,99。34%和99.70%的整体精度。