在人们的日常生活中,带有手写输入的电子设备和移动终端被广泛应用于各个领域,其中,手写数学公式在现代化的课堂教育等领域发挥着重要的作用。在传统的手写文本识别领域中,字符往往分布在同一水平线上。有别于局限在一维空间结构的传统的手写文本,手写数学公式具有复杂的二维空间结构。手写数学公式识别的难点在于不仅需要到对公式内字符类别的识别,而且还涉及到字符间的空间关系的解析。传统的手写识别方式无法有效地适应数学公式的二维结构。目前,手写数学公式识别的研究还处于探索阶段。本文针对联机手写数学公式识别,设计了一个基于循环神经网络的联机手写数学公式识别系统。本系统通过提取不同顺序的一维笔画路径来捕获手写数学公式的二维空间信息,并且实现了字符分割和识别以及结构解析同时进行的整体识别方法。本文的主要工作及贡献如下:1.根据手写数学公式内的笔画对间的空间和时间关系,构建笔画结构图。其中,笔画结构图是以笔画为节点,笔画间的关系为边的有向图结构。系统通过对笔画结构图中的笔画节点和的边进行识别来实现整体识别的方法。2.从笔画结构图中提取多条笔画路径,然后对每条笔画路径进行重采样以及特征提取等操作,进而构成输入序列。输入序列经过循环神经网络进行处理后,系统将对多条笔画路径的输出序列进行解码和整合。3.在分类器的网络训练阶段,使用局部的时域连接分类器的损失模型方法对笔画路径中的笔画短序列进行损失计算。本文的系统不仅在整体识别方法上减少了字符预分割的算法复杂度,而且采用多笔画路径的方案有效地覆盖数学公式的二维结构。实验证明,多笔画路径比单一的笔画路径有着更好的识别效果。相比于其他系统,本文的系统能够达到较好的字符分割和分类以及空间关系识别准确率。