針對英文語義智能化分析的應(yīng)用需求,文中對英文字符的自動識別進行了研究。通過引入機器學(xué)習(xí)領(lǐng)域中的徑向基函數(shù)(RBF)網(wǎng)絡(luò),提出了基于字符圖像的英文字母識別方法。RBF使用高斯基函數(shù)替代傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù),大幅提升了網(wǎng)絡(luò)的比擬能力。RBF網(wǎng)絡(luò)使用梯度下降法進行網(wǎng)絡(luò)訓(xùn)練,增強網(wǎng)絡(luò)的收斂性能,并提升訓(xùn)練速度。為了驗證所提方法的性能,在開放數(shù)據(jù)集Englishhnd上進行了測試。結(jié)合實際的應(yīng)用場景,測試著重關(guān)注RBF的抗噪聲性能。仿真結(jié)果表明,在使用無噪聲數(shù)據(jù)進行訓(xùn)練時,測試數(shù)據(jù)只有在噪聲均值超過0.1后,該方法的識別錯誤率才會出現(xiàn)明顯變化,較BP神經(jīng)網(wǎng)絡(luò)具有更強的抗噪性能。此外,該方法對于英文字符的識別精度可達到96.35%,AUC可達0.89,均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 理論基礎(chǔ)
    1.1 神經(jīng)元
    1.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
2 方法實現(xiàn)
    2.1 數(shù)據(jù)預(yù)處理
    2.2 仿真結(jié)果
3 結(jié)束語



本文編號：3786644