全文总字数：2804字
文献综述
数字识别研究现状早期的研究人员在数字识别这一方向已经取得了不错的成果，如使用K-邻近分类方法，SVM分类方法，Boosting分类方法等。
但这些方法多少都会有不足之处，例如K-邻近方法在预测时需要将所有的训练数据集加载至内存，然后用待测数字图片与训练集作对应像素点差的和，最后得出的差值最小的则为预测结果。
显然这样的方法在正常的图片准确度上并不可靠，对于待测手写数字的要求也很高。
目前识别率最好的模型应该还属基于深度学习的CNN，最典型的例子LeNet-5，美国最早将其商用到识别银行支票上得手写数字。
可见基于深度学习的手写数字识别在准确率上是相当可靠。
深度学习的发展与现状机器学习发展大致分为两个阶段，起源于浅层学习，发展于深度学习，深度学习是机器学习的一个重要分支。
在20世纪80年代末期，反向传播算法的应用给机器学习带来了希望的同时也掀起了基于统计模型的机器学习热潮。
通过实践，人们成功发现利用反向传播算法可以使一个人工神经网络模型在大量有标签训练样本中学习统计一定的规律，在此之上进而对无标签事物进行预测。
该阶段的的网络模型因为只含有一层隐含层的缘故被称之为浅层模型，浅层模型在参数个数、计算单元以及特征表达上有一定瓶颈。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
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。
