手写数字识别三重调整结构反向传播算法参数分析

手写数字识别三重调整结构反向传播算法参数分析(中文5000字,英文PDF)
摘要：近年来，一种常用的基于BP神经网络的手写体数字识别应用方法得到了广泛的应用。但是，原始算法及其修改包含许多影响特定网络不同的自由参数，而选择这些参数时的轻微错误率可能会导致问题。因此，本文利用简单向后传播，动量项反向传播和使用共轭梯度下降方法的后向传播三种不同结构，给出了输入参数对BP神经网络的影响。为此，本文确定了不同的参数，例如学习率，动量项甚至每个结构中存在的隐藏层中的单位数。UCI数据库的数据用于MATLAB程序的实验。结果表明，具有动量项的后向传播可以表现得非常好，导致99％的识别率。Simple算法虽然获得了较高的识别率，但需要提高学习速率，而使用共轭梯度下降的反向传播算法在改善隐藏的神经节点的情况下提供较高的结果。因此，结果证实相关参数的调整是显著的，以获得更好的识别效果和更高的准确性。
关键词：组件; 手写数字识别; 后向传播算法; 学习率; 动量术语;MATLAB。