基于BP神经网络的手写字符识别开题报告

全文总字数：893字

1. 研究目的与意义

阿拉伯数字作为唯一被世界各国通用的符号，是人类文明发展的标志之一，也是人类交流沟通的主要媒介。

在人们日常生活中，离不开数字的使用，我们每天都进行着大量的数字处理工作，比如邮政编码，统计报表，财务报表，银行汇款转账等等，如此繁琐的工作占去了我们很大一部分时间与资源。

而对于，计算机大范围普及，人工智能高度发展的当今社会，利用手写数字识别系统代替人们进行这样繁重的手工劳动，备受国内外人士的高度重视。

2. 国内外研究现状分析

最早的文字识别起源于50年代初期的欧美，在50年代随着计算机出现，发展至今已有近百年历史。

在计算机技术飞速发展的基础上，原始的基于光学的字符识别也取得了巨大的进步。

多种多样的字符识别方法大量涌现。

3. 研究的基本内容与计划

本毕业设计主要研究利用神经网络模型对手写字符数据进行训练与测试，建立一个正确率较高的识别算法。

并且在完成此目标的基础上对模型的结构进行优化，在更复杂的数据上进行训练与测试。

研究计划：3.10-3.20：梳理整个过程的数学推导与理论流程。

4. 研究创新点

本次设计基于比较成熟的神经网络方法，但在隐含层层数，隐含层神经元个数，激活函数，损失函数与优化方法上进行了一定的探究。

并且尝试使用较先进的卷积神经网络进行识别任务，对其中各项超参数进行优化。

本次设计还使用了全新的tensorflow深度学习框架进行搭建与训练。