1) 数学的ニューロンの構造

2) BP ニューラルネットワーク構造

3) モデルトレーニングプロセス: 画像を予測する際、Softmax Regression は各カテゴリの確率を推定し、最も確率の高い数値を結果として出力します。

Fx はトレーニング可能なフィルターです。 fx を使用して入力画像を畳み込み、シグモイド活性化関数を通じてバイアス bx を追加して畳み込み層 Cx を取得します。 Mj は入力特徴マップの値です

1) 勾配降下法アルゴリズム

2) 損失関数としてクロス エントロピーを選択します。クロス エントロピーが小さいほど優れています。

3) アルゴリズム処理

近傍数 K のさまざまな値がアルゴリズムの精度に与える影響は、K=5 が最適です。

いくつかの一般的な手書き数字認識アルゴリズムの認識率と比較する

この記事で使用されている KNN CNN に基づく手書き数字認識アルゴリズムの認識率は 99.7% ですが、改良された畳み込みニューラル ネットワークに基づく手書き数字認識方法の認識率は 99.2% です。改良された VGG-16 と Naive Bayes の認識率は 99.2% です。認識方法の認識率は 99.36% です。