冯彩英　刘龙飞

【摘  要】为改善传统BP神经网络缺陷，本文对传统BP神经网络进行改进并用于字符识别研究。首先采集来自互联网数据集建立样本库，选择合适的BP网络参数，并对样本库数据进行BP神经网络训练;接着，对待测样本进行预处理操作;最后，采用训练好的网络对待测样本进行识别。实验表明：改进算法对字符识别正确率达到了95%以上。

【关键词】预处理;字符识别;BP神经网络;改进BP神经网络

中国分类号：TP301        文献标志码：A

0 引言

在人们的日常生活中，有很多的数字化信息需要进行人工录入，由于耗时较长并且长时间工作会引起疲劳而不可避免地发生一些意外，这个问题自然而然成为妨碍信息化发展和生产力发展的主要问题。怎样使人们不再受这种烦琐而简单的重复劳动的困扰，成为识别领域中的一个关键问题。手写数字识别是光学字符识别技术的一个分支，目前大多采用BP神经网络进行识别，但BP神经网络存在局部极小值、学习速度慢、结构选取上无确定准则三方面缺陷，影响其识别效果。为了解决传统BP神经网络存在的缺陷，本文对传统算法进行改进。

1 传统BP神经网络

当前神经网络模型中BP神经网络是用最广泛的模型之一，它是一種多层前馈人工网络，在训练过程中采用的是误差逆向传播算法。它的学习规则是最速下降法，首先，输入学习样本，在训练过程中通过误差反向传播来不断调整网络的权值和阈值，使网络的误差最小。……