APP下载

基于改进BP神经网络的脱机手写文字识别

2014-09-18焦微微巴力登

电视技术 2014年13期

焦微微,巴力登

(新疆大学 电气工程学院,新疆 乌鲁木齐 830047)

近些年来,脱机文字识别在网络安全(验证码识别)、智能交通管理系统(车牌识别)等社会生活的各个领域发挥着重要作用。在文字识别的探索和研究过程中,学者和专家已经提出了许多有效的识别方法,例如模板匹配法、隐马尔科夫模型(HMM)、支持向量机(SVM)、神经网络法[1-4]等等。在这些方法中,神经网络具有很强的学习性和自适应性,而且具有其他传统方法不具有的并行处理能力[5]、容错能力和自学习功能,因此其在自动化控制、模式识别等领域已经实现应用并取得较好的效果。但是在实际应用中传统神经网络存在局部最优点、过拟合等现象,对其在文字识别中的应用造成一定的限制。

本文通过对现有各种文字分类系统深入研究,针对标准BP算法存在局部最优解、训练时间长、收敛速度慢等缺点,利用Levenberg-Marquardt(LM)算法对神经网络模型进行优化,并通过对手写数字和手写汉字的识别来验证该方法的有效性和可行性。

1 改进的BP神经网络算法

标准BP算法理论上讲虽然具有逼近任意非线性连续映射的能力。但是在实际应用中容易出现训练时间长、收敛速度慢、往往收敛于局部极小点等缺陷。所以在实践过程中基本上都要对标准BP网络进行改进。目前,改善标准BP网络性能的方法主要有以下两类[6]:第一,采用启发式信息技术,如加入动量项、采用自适应学习率;第二,采用数值优化技术,如牛顿法、共轭梯度法、Levenberg-Marquardt[7](LM)法。……

登录APP查看全文