毕业论文课题相关文献综述
文 献 综 述 手写字识别的卷积神经网络算法测试1. 前言近年来，深度学习的结构体系有了极大发展，其中大部分结构体系都基于三种核心构建基块：自编码器(Auto Encoder, AE)[1]，受限玻尔兹曼机(Restricted Boltzmann Machines, RBM)[2]，卷积神经网络(Convolutional Neural Networks, CNN)[3]。
我们现在所认识的大部分深度结构模型都是由以上三种为基础构建而成的。
因为深度学习很容易通过增加可用计算量和数据来取得高速发展，所以有越来越多的人不断地开发新的学习算法和体系结构[4]。
针对以往浅层学习对特征表达能力不足和特征维度过多导致的维数灾难等现象，深度学习因为其所有的层次结构和能够从低等级特征中提取高等级特征的特点很好地解决了上述问题，并给人工智能带来了新希望[5]。
深度学习通过模仿人脑结构，实现对复杂输入数据的高效处理，智能地学习不同的知识，而且能够有效地解决多类智能问题。
实践表明，深度学习是一种高效的特征提取方法，它能够提取数据中更加抽象的特征，实现对数据更本质的刻画，同时深层模型具有更强的建模和推广能力[6]。
深度学习中卷积神经网络在图像处理方面比传统图像处理方法有更大的优势，通过神经网络学习到的卷积核比人工设计的滤波器对数据的捕捉能力更强，能提取图像更复杂的特征。
卷积神经网络的应用主要包括图像分类、物体检测、图像标注、图像语义分割、人脸识别和验证等。
2. 背景汉字是世界上使用人数最多、信息存储最简练、运用最广泛的语言文字，是中国传统文化和世界文化不可或缺的重要部分，所以针对汉字图像的识别研究具有非常重要的实用价值。
手写汉字识别在日常的办公自动化、邮件分拣、金融等领域都具有非常好的前景，手写汉字识别的研究可以使人们的日常生活更便捷。
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。
