【技术实现步骤摘要】
【专利摘要】本专利技术涉及，具体算法如下：（1）初始化网络及学习参数；（2）提供训练模式，训练网络，直到满足学习要求；（3）前向传播过程：对给定训练模式输入，计算网络的输出模式，并与期望模式比较，若有误差，则执行（4）；否则，返回（2）；（4）后向传播过程：a.计算同一层单元的误差；b.修正权值和阈值；c.返回（2）。本专利技术的，学习方法简单，并且能够有效地减少在计算中产生的误差。【专利说明】—种采用Widrow-Hoff学习算法的方法
本专利技术涉及识别方法的领域，尤其是。
技术介绍
字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而字符识别的研究仍具有理论和实践意义。这里讨论的是用神经网络识别数字的问题。构造神经网络分类器首先要选择适当的网络结构:神经网络分类器的输入就是数字字符的特征向量；神经网络分类器的输出节点应该是字符数。10个数字输出层就有个10个神经元，每个神经元代表一个数字；隐层数要选好，每层神经元数要合适，目前有很多采用一层隐层的网络结构。然后要选择适当的学习算法，这样才会有很好的识别效果。在学习阶段应该用大量的样本进行训练学习，通过样本的大量学习对神经网络的各层网络的连接权值进行修正，使其对样本有正确的识别结果，这就像人记数字一样，网络中的神经元就像是人脑细胞，权值的改变就像是人脑细胞的相互作用的改变，神经网络在样本学习中就像人记数字一样,学习样本时的网络权值调整就相当于人记住各个数字的形...
【技术保护点】
一种采用Widrow‑Hoff学习算法的方法，其特征是具体算法如下：（1）初始化网络及学习参数；（2）提供训练模式，训练网络，直到满足学习要求；（3）前向传播过程：对给定训练模式输入，计算网络的输出模式，并与期望模式比较，若有误差，则执行（4）；否则，返回（2）；（4）后向传播过程：a.计算同一层单元的误差；b.修正权值和阈值；c.返回（2）。
【技术特征摘要】
【专利技术属性】
技术研发人员：屈景春，吴军，
申请(专利权)人：重庆凯泽科技有限公司，
类型：发明
国别省市：重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。