基于BP神经网络的数字识别探究.pdf

文档介绍：基于 神经网络的数字识别探究
BP 王赟
（山东女子学院数据科学与计算机学院，济南 ）
250000
摘 要： 论述使用 神经网络模型来实现数字识别的过程，通过梯度下降法来调整各神经网络层之间
BP
的权重值与偏置值。介绍了人工神经网络、神经元模型、激活函数等相关基本概念，并详细叙述了
BP
算法的实现原理，以 语言展示训练效果，大量数据作为训练集和测试集，以此来测试该模型所
Python
识别数字的精确度。实验结果表明，所设置 神经网络的数字识别模型平均识别率约为 ，可认为
BP 92%
其具有实际应用价值，同时论证了该技术在实际操作中的可行性。
关键词： 神经网络；手写数字识别；权重迭代；梯度下降
BP
概述 可以提高网络的收敛速度 在求解机器学****相关算法的
1 。
误差反向传播算法 模型参数 即无约束优化问题时 梯度下降是最常采用
(Error Back Propagation Train- ， ，
简称