10.3969/j.issn.2095-2163.2020.11.032
基于TensorFlow手写体数字识别系统的研究
手写体数字识别是人工智能识别系统中的重要组成部分,本文基于TensorFlow深度学习模型,完成了手写体数字识别及应用.首先建立TensorFlow深度学习模型,分析了卷积神经网络(CNN)模型结构及Softmax模型结构,对手写体数据集MNIST中的60000个样本进行深度学习,并对10000个样本的测试进行对比.通过深度学习得到手写体数字的识别模型参数,进而使用模型参数识别用户手写体数字.实测数据验证,相对于传统的Softmax模型,基于TensorFlow深度学习的CNN模型准确率高达100％,提升了7％.该研究为人工智能数字识别系统应用提供了一定的科研价值.
机器学习、深度学习、卷积、TensorFlow
10
TP311.1(计算技术、计算机技术)
2021-03-23（万方平台首次上网日期，不代表论文的发表时间）
共4页
144-147
