[发明专利]基于动态样本选择策略的BP神经网络手写体识别系统在审
| 申请号： | 201610346450.5 | 申请日： | 2016-05-24 |
| 公开（公告）号： | CN106022273A | 公开（公告）日： | 2016-10-12 |
| 发明（设计）人： | 李冬冬;凤伟;王喆;范奇;曹真 | 申请（专利权）人： | 华东理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200237 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于动态样本选择策略的BP神经网络手写体识别系统，首先随机初始化各层网络神经元权值;其次采用梯度下降法来优化网络权重，在第一轮迭代中，使用所有样本来计算总梯度，再使用总梯度来更新各层权值，并根据样本是否远离决策边界来判断是否该作为下一轮迭代的训练样本；重复使用上一轮选好的训练样本来计算总梯度、更新各层权值、并选择下一轮迭代的样本直到达到最小停止误差或最大迭代次数；最后使用得到的神经网络对未知手写字体样本进行识别。相较于传统的分类技术，本发明的动态样本选择策略利用样本离决策边界的距离来动态选择样本，实现训练样本数的一步步减小，算法能有效地解决BP网络在大数据集上训练时间过长的问题。 | ||
| 搜索关键词： | 基于 动态 样本 选择 策略 bp 神经网络 手写体 识别 系统 | ||
【主权项】：
一种基于动态样本选择策略的BP神经网络手写体识别系统，其具体步骤是：1）、系统根据手写字体的特征来确定所采用网络的结构和识别的策略，随机初始化各层网络神经元权值;2）、系统采用梯度下降法来优化网络权重，设置梯度下降法学习步长、充量因子、最小停止误差和最大迭代次数；在第一轮迭代中，使用所有的样本来计算总梯度，再使用总梯度来更新各层权值，并根据样本是否远离决策边界来判断是否该作为下一轮迭代的训练样本；重复使用上一轮选好的训练样本来计算总梯度、更新各层权值、并选择下一轮迭代的样本直到达到最小停止误差或最大迭代次数再停止；3）、使用所得到的神经网络对未知手写字体样本进行识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华东理工大学，未经华东理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610346450.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种胰管外引流检测系统
- 下一篇：一种振动磨削制备不锈钢装饰板和纹的方法
