公开(公告)号：CN107169504A

公开(公告)日：2017-09-15

申请号：CN201710200172.7

申请日：2017-03-30

Applicant: 湖北工业大学

Inventor： 武明虎 ,  饶哲恒 ,  曾春艳 ,  刘敏 ,  赵楠 ,  孔祥斌 ,  刘聪 ,  万相奎 ,  宋冉冉 ,  李想 ,  周志虎

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6218 ,  G06K9/6273 ,  G06K2209/01 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明公开一种基于扩展非线性核残差网络的手写字符识别方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—基于扩展非线性核残差网络算法。并将该深度学习算法应用在手写字符识别中，提出基于扩展非线性核残差网络的手写字符识别方法。该方法能深度地描述样本数据和期望数据的相关性，能高效的从原始数据中自动地学习数字图像特征；其次，该方法引入了合适的类内无监督聚类算法，克服了深度学习网络在手写字符识别领域现有的技术不足。本发明简单且易于实现，提升手写字符识别性能的同时，也提高了网络的训练效率。