1、毕 业 设 计 （ 论 文 ） 1 目目 录录 目录 1 第一章 绪论 .3 第二章 神经网络.4 2.1 神经网络的发展和应用 4 2.1.1 神经网络的产生 4 2.1.2 神经网络的发展 5 2.1.3 神经网络的应用 6 2.2 人工神经网络实现原理 7 2.2.1 人工神经元 7 2.2.2 人工神经网络的基本原理及构成8 2.2.3 几种典型的神经网络简介 8 2.3 神经网络的相关知识 . 10 2.3.1 人工神经网络的基本特征 10 2.3.2 神经网络的学习方式 . 11 2.3.3 人工神经网络的实现及应用举例 12 2.3.4 人工神经网络的发展前景 13 第三章 BP
2、 网络 . 14 3.1 BP 算法 . 14 3.1.1 BP 算法的主要思想. 14 3.1.2 BP 算法的组成 14 3.1.3 BP 网络的一般学习算法 15 3.2 BP 学习算法的局限性与对策 . 17 3.2.1 BP 学习算法存在的局限性 17 3.2.2 克服 BP 学习算法的对策 . 18 3.3 对 BP 算法的改进 21 3.3.1 改进误差函数 . 21 3.3.2 改进激励函数 . 22 毕 业 设 计 （ 论 文 ） 2 3.3.3 改进优化算法 . 23 第四章 手写数字识别 24 4.1 模式识别 24 4.1.1 模式和模式识别的概念 . 24 4.1.2
3、 模式识别系统的构成 . 25 4.2 手写体数字识别 26 4.2.1 课题概述 26 4.2.2 手写体数字识别的主要方法. 27 4.2.3 手写数字识别的一般方法及其难点 29 4.2.4 联机字符识别原理 30 4.2.5 预处理及模板的建立 . 31 4.2.6 样本集对识别结果的影响 33 4.2.7 程序实现 36 第五章 软件开发环境 37 5.1 软件开发平台 . 37 5.2Visual C+的组成37 5.3Visual C+的特点38 致谢 错误错误!未定义书签。未定义书签。 参考文献 . 40 毕 业 设 计 （ 论 文 ） 3 第一章第一章 绪论绪论 二十多年来，
4、人们在数字识别领域做了大量的研究工作，所提出的各种方 法在印刷体和手写印刷体数字识别方面已经取得了较好的成绩， 识别率稳定在 96%左右。但是自由手写体数字的识别工作目前尚处于探索性阶段，仍旧是文 字识别中最有挑战性的课题之一。 字符识别长期以来都是采用传统的识别方法， 对印刷体字符的识别率一般 只是稳定在 96左右，不能进一步提高；而对手写体字符的识别，其研究还 处于探索阶段，其识别率还相当低，因此，为了提高识别率，就必须寻求新的 方法和途径。 揭示与模拟人脑神经系统机理是研制新一代智能计算机的关键之一。 进入 九十年代以来，人工神经网络（ANN）技术发展十分迅速，它具有模拟人类 部分形象思维的能力， 是一种模仿人脑学习、记忆、 推理等认知功能的新方法。 特别是它的信息并行分布式处理能力和自学习功能等显著优点， 更是激起了人 们对它的极大的兴趣。为模式识别开辟了新的途径，成了模拟人工智能的一种 重要方法。 人工神经网络是由一些类似人脑神经元的简单处理单元相互连接而成的 复杂网络。已涌现出许多不同类型的 ANN 及相应的学习算法，其中 BP（或 EBP-Error
