全文总字数：3213字
文献综述
文 献 综 述在当今信息化进程加剧的的世界，手写数字识别（OCR）已经成为一种不可或缺的技术，它的应用需求范围逐渐扩展，从最初的邮件分拣到财务、税务和金融领域的应用，同时在如今人口信息爆炸的时代，大数据信息统计中采用手写数字识别已经成为一种主流趋势，如人口普查、行业年检等等。
采用手写数字识别（OCR）能大大降低人工输入的错误率和成本，因此加强该方面的研究工作，提高识别的准确率和减少其低拒识率是目前研究的重中之重。
一．社区深度学习的发现、进步与挑战众所周知，社区代表着相似的观点、功能和目的，而社区检测是科学探究和数据分析中十分有用的实用工具。
刘凡珍（2020）在其论文中指出大多数传统的社会检测方法是基于统计推断和传统的机器学习，其过程是在走下坡路，在传统的机器学习中，社区检测通常被认为是聚类问题，其方式过分依赖于数据的特性，因而并不适用于当今不断增加的网络规模和数据维度，需要更加高效的技术来进一步深入研究。
而深度学习对于社区检测有着较高的优势，在于其编码高纬度数据特征的表示能力，刘凡珍在文中指出深度学习方法的必要性以及其带来的社区发现和进步，同时列举了多个可对社区检测的深度神经网络模型，基于卷积神经网络（CNN）、自动编码器和生成对抗性网络（GAN）。
除此之外，近几年来深入学习社区存在的机遇和挑战也在文中被指出，如位置数量的社区、分层网络（每层网络有指定的功能，社区检测需能够做到分层提取表示）、网络异质性（包含不同类型的网络，需要用不同的网络策略）等，这些都是目前所遇到的挑战，研究人员在这方面还有很多工作要做，以便通过深入学习实现全面发现检测社区。
二．基于神经网络的手写数字识别手写数字识别（Handwritten Numeral Recognition）是光学字符识别技术（Optical Character Recognition,简称OCR）的一个分支，研究对象是如何利用电子计算机自动变认在纸上书写的阿拉伯数字。
任丹和陈学峰（2007）认为手写数字识别有着其独特的理论价值，首先阿拉伯数字是唯一被世界各国通用的符号，从而对其的研究是与文化背景、语言交流等无关的，不受到这些因素的影响；其次数字识别的种类较少，有利于科研人员进行深度分析；手写数字识别方法也很容易推广到相关问题的研究，如对英文的拼音文字的识别。
但是研究手写数字识别算法是具有很高挑战的任务，这是因为十个数字之间的自行相差并不大，这使得机器区分和识别不同数字之间存在问题，同时不同地区的数字写法也是千差万别，其书写有其独特的地区特征，如果电子计算机不能对全球范围内不同数字写法进行分类和总结，对其进行识别任务也是会有较大的影响。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
