数字手写体的深度信念网络识别方法

深度信念网络可以通过低层特征组合抽象形成更高层的特征,具有良好的学习能力,其无监督学习特点减少了人工劳动量。主要研究了使用深度信念网络(DBN)对手写数字进行识别的方法,实验表明设计识别数字的网络模型时的最佳层数为5层。使用MNIST数据库中的60 000个图片训练深度信念网络,再使用MNIST中的另外10 000个图片测试网络,得出高达93.42%的准确率,高于同等条件下的SVM。另外,在深度学习网络中引入Dropout参数,可以在使用少量样本的情况下获得更高的识别准确率。