深度卷積神經(jīng)網(wǎng)絡(luò)及其在手寫體漢字識(shí)別中的應(yīng)用研究.pdf

1、人工智能學(xué)科研究的發(fā)展經(jīng)歷了早期的從“推理與搜索”，到充分利用人類知識(shí)解決工程問(wèn)題的“專家系統(tǒng)”時(shí)代。近二十年來(lái)，其研究的方法又逐步從運(yùn)用海量數(shù)據(jù)進(jìn)行“機(jī)器學(xué)習(xí)”的時(shí)代，步入了當(dāng)今以“特征表示學(xué)習(xí)”為標(biāo)志的基于人工神經(jīng)網(wǎng)絡(luò)的“深度學(xué)習(xí)”研究時(shí)代。這是一次大的飛躍，它為計(jì)算機(jī)“自動(dòng)獲取特征表示”這一人工智能領(lǐng)域的長(zhǎng)期性難題提供了一種解決方案，為人工智能研究領(lǐng)域的發(fā)展帶來(lái)了新的方向。作為特征表示學(xué)習(xí)時(shí)代的代表性技術(shù)—深度學(xué)習(xí)，它的研究從20

2、06年前后開(kāi)始，它以數(shù)據(jù)為基礎(chǔ)，通過(guò)學(xué)習(xí)自動(dòng)生成特征量而不需要人的參與，并以此來(lái)對(duì)圖像或問(wèn)題進(jìn)行分類。不同的深度學(xué)習(xí)結(jié)構(gòu)，已經(jīng)被成功的應(yīng)用到計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、生物信息等領(lǐng)域，如深度神經(jīng)網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)以及深度遞歸神經(jīng)網(wǎng)絡(luò)等。
　　本文在整理和總結(jié)了國(guó)內(nèi)外有關(guān)深度學(xué)習(xí)模型中深度卷積神經(jīng)網(wǎng)絡(luò)模型的發(fā)展和現(xiàn)有研究成果的基礎(chǔ)上，對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)中感受野的性質(zhì)進(jìn)行了補(bǔ)充和深入研究，并以手寫體漢字識(shí)別為

3、應(yīng)用背景，對(duì)模型的不同正則化方法進(jìn)行了理論分析和實(shí)驗(yàn)對(duì)比與討論。論文的主要工作如下:
　　1)對(duì)深度卷積網(wǎng)絡(luò)模型中感受野的性質(zhì)進(jìn)行了深入分析，研究推導(dǎo)并建立了感受野與模型中參數(shù)、模型識(shí)別率之間嚴(yán)格而準(zhǔn)確的數(shù)學(xué)關(guān)系模型表達(dá)。
　　2)結(jié)合所建立的理論描述模型，通過(guò)實(shí)驗(yàn)驗(yàn)證分析了不同感受野大小對(duì)手寫體漢字識(shí)別中識(shí)別率的影響，為在基于深度卷積神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用中合理選擇感受野的大小提供設(shè)計(jì)與理論實(shí)踐的參考。
　　3)根據(jù)論文