受限制Boltzmann机深度置信网络与手写数字识别  

Restricted Boltzmann Machine Deep Belief Networksand Recognition of Handwritten Number

作　　者：张董[1] 游福成[1] 王惠华[1] 姜超[1] 李明[1] 

机构地区：[1]北京印刷学院,北京102600

出　　处：《北京印刷学院学报》2016年第4期56-58,共3页Journal of Beijing Institute of Graphic Communication

基　　金：国家自然科学基金(61370188);北京印刷学院校级重点项目(Ea201506);协同创新中心:绿色印刷与出版技术(PXM2016_014223_000025)

摘　　要：手写数字因为每个人的书写习惯不同而差异很大。手写数字快速有效的识别一直是图像识别领域的热门话题。提出了一种基于受限制Boltzmann机组成的深度置信网络应用于手写数字识别的算法。对训练样本图片中的手写数字进行定位,分块,计算每块的特征值;用由受限制Boltzmann机组成的深度置信网络对样本特征值进行无监督学习;使用训练好的神经网络对待测样本进行深度特征提取。结果表明:该算法可行,相对于浅层学习,深度学习在图像特征提取上有了很大提高。Because each person’s writing habits is different,the handwritten number recognition has been a hot field in image recognition. This paper presents a restricted Boltzmann machine deep belief network algorithm applied to handwritten number recognition. First of all,we get the position and calculate the features of the sample picture. Secondly,we use a restricted Boltzmann machine deep belief network for unsupervised learning of sample’s features. Finally,we use trained network to measure the test samples. Experimental results show the effectiveness of this algorithm.

关 键 词：受限制Boltzmann机 深度学习 手写数字识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]