原創(chuàng)|行業(yè)資訊|編輯:郝浩|2013-04-09 14:16:07.000|閱讀 813 次
概述:本文主要介紹神經(jīng)網(wǎng)絡的定義以及神經(jīng)網(wǎng)絡在光學字符識別(OCR)軟件中的典型應用。
# 界面/圖表報表/文檔/IDE等千款熱門軟控件火熱銷售中 >>
是一個功能強大的數(shù)據(jù)建模工具,能夠捕獲和表示復雜的輸入/輸出關系。神經(jīng)網(wǎng)絡技術發(fā)展的初衷是為了開發(fā)一個類似于人腦可以執(zhí)行“智能”任務的人工系統(tǒng)。神經(jīng)網(wǎng)絡在以下兩方面類似于人腦:
1、神經(jīng)網(wǎng)絡通過學習獲得知識。
2、神經(jīng)網(wǎng)絡的知識存儲在神經(jīng)元間的連接強度,稱為突觸權重。
神經(jīng)網(wǎng)絡的真正優(yōu)勢在于可表示線性和非線性關系,并能通過建模數(shù)據(jù)學習這些關系。當模型數(shù)據(jù)中包含了非線性字符時,傳統(tǒng)的線性模型就不能滿足需要了。
最常見的神經(jīng)網(wǎng)絡模型是多層感知器 (MLP)。這種類型的神經(jīng)網(wǎng)絡被稱為監(jiān)督網(wǎng)絡,因為為了學習,它需要一個期望輸出。該種類型的神經(jīng)網(wǎng)絡旨在通過歷史數(shù)據(jù)建立一個能將輸入正確映射到輸出的模型,以便期望輸出未知時,該模型也能生成輸出。
MLP和許多其他的神經(jīng)網(wǎng)絡通過一個backpropagation算法進行學習。通過backpropagation算法,輸入數(shù)據(jù)反復提交到神經(jīng)網(wǎng)絡。每提交一次輸入數(shù)據(jù),神經(jīng)網(wǎng)絡的數(shù)據(jù)就與期望輸出進行對比,并記算錯誤。該錯誤被反饋到神經(jīng)網(wǎng)絡并用于調整的權重,隨著每次迭代,錯誤減少,神經(jīng)模型與期望輸出越來越接近。這個過程被稱為“訓練”。
下面一個例子是神經(jīng)網(wǎng)絡在光學字符識別(OCR)軟件中的典型應用。如今,多數(shù)文檔掃描儀都自帶了一個光學字符識別(OCR)軟件。光學字符識別(OCR)軟件允許你掃描打印文檔,并將其保存為圖像。接著光學字符識別(OCR)軟件將圖像分為幾個子圖像,每個子圖像中包含一個單獨的字母。然后將子圖像從圖像格式轉換成二進制格式,并將二進制數(shù)據(jù)傳輸?shù)缴窠?jīng)網(wǎng)絡。該神經(jīng)網(wǎng)絡通過以往的訓練,找出字符圖像數(shù)據(jù)和數(shù)值之間的關聯(lián),從而將所掃描的圖像轉換成電子文本格式,如Word文檔,以便對文本進行操作。市面上的許多OCR軟件都是使用神經(jīng)網(wǎng)絡來作為分類引擎。
后面我們將介紹神經(jīng)網(wǎng)絡應用領域及推薦!敬請關注慧都控件網(wǎng)!
本站文章除注明轉載外,均為本站原創(chuàng)或翻譯。歡迎任何形式的轉載,但請務必注明出處、不得修改原文相關鏈接,如果存在內容上的異議請郵件反饋至chenjj@fc6vip.cn
文章轉載自:慧都控件網(wǎng)