如需要完整文档点击下方 "点击下载文档" 按钮

手写笔迹识别是模式识别的一个重要研究领域。 因为每个人的书写习惯有所不同,导致手写的字体有一定的差 异。 传统的 Softmax 模型在手写数字的识别结果上并没有达到人们的期望。 目前,深度神经网络框架是模式识别领域的 主流方法。 长短期记忆神经网络(long-short term memory network, LSTM)是一种特殊的循环神经网络,它由输入门、遗忘 门、输出门以及神经元组成。 长短期记忆神经网络对于长序列问题有很好的处理。 文中提出采用双向长短期记忆神经网 络进行手写数字识别。 采用MNIST数据集,分别使用传统的Softmax方法和双向长短期记忆神经网络方法对MNIST数据 集里的图片进行识别。 实验结果表明,传统的Softmax模型的正确率为92%左右,而LSTM模型的正确率达到了96.3%, 提升4.3%。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于长短期记忆神经网络的手写数字识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061505

点击下载文档