B神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的運(yùn)用

BP神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用BP神經(jīng)網(wǎng)絡(luò)在數(shù)字識(shí)別中的應(yīng)用數(shù)字字符識(shí)別技術(shù)在大規(guī)模數(shù)據(jù)統(tǒng)計(jì)，郵件分揀，汽車(chē)牌照、支票、財(cái)務(wù)、稅務(wù)、金融等有關(guān)數(shù)字編號(hào)的識(shí)別方面得到廣泛應(yīng)用，因此成為多年來(lái)研究的一個(gè)熱點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)能力、強(qiáng)大的分類(lèi)能力、自適應(yīng)和自學(xué)習(xí)等特點(diǎn)，備受人們的重視，在字符識(shí)別領(lǐng)域得到了廣泛的應(yīng)用。車(chē)牌識(shí)別車(chē)牌識(shí)別系統(tǒng)中很大一部分是數(shù)字識(shí)別郵件自動(dòng)分揀系統(tǒng)郵件自動(dòng)分揀系統(tǒng)主要利用郵政編碼的數(shù)字識(shí)別BP神經(jīng)網(wǎng)絡(luò)的基本原理BP神經(jīng)網(wǎng)絡(luò)是一種典型的前饋神經(jīng)網(wǎng)絡(luò)屬于有監(jiān)督式的學(xué)習(xí)算法，其主要思想是:輸入學(xué)習(xí)樣本，使用反向傳播算法對(duì)網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)的調(diào)整訓(xùn)練，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差。BP神經(jīng)網(wǎng)絡(luò)機(jī)構(gòu)圖數(shù)字識(shí)別的基本思想數(shù)字圖像預(yù)處理特征提取神經(jīng)網(wǎng)絡(luò)識(shí)別識(shí)別結(jié)果特征提取在模式識(shí)別中，特征的選擇是一個(gè)關(guān)鍵問(wèn)題。將經(jīng)過(guò)預(yù)處理后的數(shù)字圖像中提取最能體現(xiàn)這個(gè)字符特點(diǎn)的特征向量。在本系統(tǒng)中歸一化后的圖像形成一個(gè)36×20的布爾矩陣，依次取每列的元素轉(zhuǎn)化為720×1的列矩陣，即數(shù)字字符的特征向量。提取出訓(xùn)練樣本中的特征向量代入BP網(wǎng)絡(luò)之中就可以對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提取出待識(shí)別的樣本中的特征向量代入訓(xùn)練好的BP網(wǎng)絡(luò)中，就可以對(duì)數(shù)字字符進(jìn)行識(shí)別。本系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)輸入層與輸出神經(jīng)元個(gè)數(shù)的確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)等于特征向量的維數(shù)，即20×36=720個(gè)輸入神經(jīng)元。輸出層神經(jīng)元個(gè)數(shù)的確定因?yàn)橐R(shí)別的0—9共10個(gè)數(shù)字，因此輸出選擇為10×1的矩陣，即輸出節(jié)點(diǎn)數(shù)為10。當(dāng)數(shù)字圖像0—9輸入神經(jīng)網(wǎng)絡(luò)后在輸出神經(jīng)元對(duì)應(yīng)的位置上為1，其他的位置為0。輸人數(shù)字0，第1個(gè)輸出神經(jīng)元為1，其他為0；輸入數(shù)字1，第2個(gè)輸出神經(jīng)元為1，其他為0；以此類(lèi)推.....隱含層神經(jīng)元個(gè)數(shù)的確定一般情況下，隱含層神經(jīng)元個(gè)數(shù)是根據(jù)網(wǎng)絡(luò)收斂性能的好壞來(lái)確定的，在總結(jié)大量網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，得出經(jīng)驗(yàn)公式：s=sqr(0．43nm+0.12m+2.54n+0.77m+0.35+0.51)其中n為輸人層神經(jīng)元個(gè)數(shù)720，m為輸出層神經(jīng)元個(gè)數(shù)10，根據(jù)以上公式，可以得出隱含層神經(jīng)元個(gè)數(shù)為70。BP神經(jīng)網(wǎng)絡(luò)絡(luò)的訓(xùn)練練第1步，，設(shè)置變變量和參參數(shù)，其其中包括括訓(xùn)練樣樣本、權(quán)權(quán)值矩陣陣、學(xué)習(xí)習(xí)速率。。第2步，，初始化化，給各各個(gè)權(quán)值值矩陣一一個(gè)較小小的隨機(jī)機(jī)非零向向量。第3步，，輸入隨隨機(jī)樣本本。第4步，，對(duì)輸入入樣本，，前向計(jì)計(jì)算BP網(wǎng)絡(luò)每每層神經(jīng)經(jīng)元的輸輸入信號(hào)號(hào)和輸出出信號(hào)號(hào)。第5步，，由實(shí)際際輸出和和期望輸輸出求得得誤差。。判斷是是否滿(mǎn)足足要求，，若滿(mǎn)足足要求求轉(zhuǎn)第8步；不不滿(mǎn)足要要求轉(zhuǎn)第第6步。。第6步，，判斷是是否已經(jīng)經(jīng)到了最最大迭代代次數(shù)。。若到，，轉(zhuǎn)第8步，否否則反向向計(jì)算每每層神經(jīng)經(jīng)元的局局部梯度度。第7步，，根據(jù)局局部梯度度修正各各個(gè)矩陣陣的權(quán)值值。第8步，，判斷是是否學(xué)習(xí)習(xí)完所有有的樣本本，“是是”則結(jié)結(jié)束，否否則轉(zhuǎn)第第3步。。使用BP網(wǎng)絡(luò)來(lái)來(lái)進(jìn)行數(shù)數(shù)字識(shí)別別的流程程首先，利利用大量量的訓(xùn)練練樣本來(lái)來(lái)訓(xùn)練網(wǎng)網(wǎng)絡(luò)，以以得到文文件形式式保存的的權(quán)值。。訓(xùn)練樣樣本為精精心選擇擇的可以以很好的的反應(yīng)樣樣本可分分性的已已知數(shù)據(jù)據(jù)。在系系統(tǒng)中采采用訓(xùn)練練樣本圖圖片的格格式。將將訓(xùn)練樣樣本圖片片進(jìn)行特特征提取取后，就就可以送送入BP網(wǎng)絡(luò)進(jìn)進(jìn)行訓(xùn)練練。其次，訓(xùn)訓(xùn)練完BP網(wǎng)絡(luò)絡(luò)后，就就可以用用它對(duì)待待識(shí)別數(shù)數(shù)據(jù)進(jìn)行行識(shí)別了了。識(shí)別別有先要要經(jīng)過(guò)圖圖像預(yù)處處理、特特征提取取，最后后送入BP網(wǎng)絡(luò)絡(luò)識(shí)別，，直接得得到結(jié)果果。在訓(xùn)訓(xùn)練之前前，程序序要求輸輸入訓(xùn)練練參數(shù)，，如訓(xùn)練練誤差、、步長(zhǎng)等等。數(shù)字識(shí)別別的流程程訓(xùn)練樣本本圖片特征提取圖像預(yù)處理待識(shí)別數(shù)據(jù)BP神