BP神经网络-手写数字的识别-机器学习实验二

BP神经网络-手写数字的识别-机器学习实验二
实验目的：

关注公众号：Time木
回复：手写数字识别
可获得相关代码，数据，文档
更多大学课业实验实训可关注公众号回复相关关键词
学艺不精，若有错误还望指点

（1）了解前馈神经网络、反馈神经网络、自组织神经网络
（2）掌握神经网络的应用
使用BP神经网络，完成手写数字的识别
1、 打开图片并对图片进行灰度化处理。
这里使用convert（）函数处理。

2将图片转化为二维数组。
调用getImageData模块的ImageData类的getData函数，使用numpy库的asarray方法将其转换为数组。

2、 将图片二值化。
图片的二值化就是将上面的数组化为0和1的形式，转化之前我们要设定一个阈值，大于这个阈值的像素点我们将其设置为1，小于这个阈值的像素点我们将其设置为0。

3、 获取网格特征数字统计图。
在图片二值化之后，我们通常需要获取到网格统计图，这里我们的图片尺寸是3232的，所以我们将其化为88的点阵图,步骤如下：

（1）将二值化后的点阵水平平均划线分成8份，竖直平均划线分成8份。

（2）分别统计每一份中像素点为1的个数。

（3）将每一个份统计值组合在一起，构成8*8的点阵统计图。

4、 将二维统计图转化为一维的特征向量

5、 构建神经网络


6、 训练神经网络
根据数据集训练神经网络模型。

7、 对手写数字图片进行预测。

8、 输出结果：
预测报告：

预测报告的混合矩阵：

总结：
1、 在这次实验中和查阅书本中我了解前馈神经网络、反馈神经网络、自组织神经网络并进行了神经网络的手写数字的应用。
2、 同时也了解到BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，也是目前应用最广泛的神经网络，从结构上讲，BP网络具有输入层、隐藏层和输出层。
3、 刚了解神经网络时，感觉神经网络很神奇，同时又很难理解其本质逻辑，查阅资料后知道神经网络的逻辑就是不可理解，但整体的对问题的解决思路还是比较容易搞清楚的。