摘要:本文简述了BP神经网络模型及BP学习算法规则,并在Matlab中利用BP神经网络对英文字母进行了识别,经结果分析发现BP神经网络对字母具有一定的辨识能力,是一种对字母识别的有效方法。
关键词: BP神经网络 Matlab 字母识别
1 引言
20世纪80年代中期,学者Rumelhart、McClelland和他们的同事提出了多层前馈网络MFNN(Mutltilayer Feedforward Neural Networks)的反向传播学习算法,简称BP网络(Back Propagation Network)学习算法。BP网络是对非线性可微分函数进行权值训练的多层前向网络。在人工神经网络的实际应用中,80%~90%的模型都采用BP网络或其变化形式。采用BP 算法的多层前馈网络, 是迄今为止应用最广泛的神经网络, 具有很强的非线性逼近能力以及自适应、自学习能力。
英文字母识别,是文字识别中一个重要分支。由于英文字母字体种类繁多,因而对英文字母的识别难度很大。针对英文字母的特性,本文基于BP 算法,设计了一种英文字母识别训练系统。本文主要选取四种大小写英文字母作为训练集样本, 用设计的BP网络对其进行训练, 从而得到英文字母的识别结果。
2 BP神经网络
BP 神经网络作为人工神经网络中应用最广的算法模型,具有完备的理论体系和学习机制。它模仿人脑神经元对外部激励信号的反应过程,建立多层感知器模型,利用信号正向传播和误差反向调节的学习机制,通过多次迭代学习,成功地搭建出处理非线性信息的智能化网络模型。
2.1 BP神经网络模型
反向传播神经网络(Back-Propagation Network,简称BP网络)是对非线性可微分函数进行权