基于自动提取特征的手写体数字识别

应用基于弃权、扩展数据、最大池化技术的卷积神经网络对MNIST手写数字数据集进行识别.对深度学习模型的代价函数,训练方法进行研究,优化了传统神经网络,达到了有效自动提取特征的目的.相较于人工特征提取和传统逻辑回归分析提高了识别率,减少了错误率.实验结果表明得到了99.1%的平均识别率,减少了76%的错误率.