手写识别的问题是一个熟悉的问题，并在实际上具有巨大的应用。因此长久以来它已经使众多人注目、研究。尽管已得到了重大成绩，但是目前人们对移动设备更好地识别解决方案和实时性问题一直继续研究。　　因为插值法和函数逼近在科学技术以及日常生活中的好多领域都被应用的，所以早就有人研究它们了。目前插值法和多元函数逼近已成为一个关注的问题，因为要解决应用问题时必须解决插值法和多元函数逼近的问题。在数学上，虽然以很多不同的方法来充分地解决插值法、单元函数逼近。但是有关插值法和多元函数逼近的问题，这些数学工具一直有限的。　　从上世纪50年代已出现的，但人工神经网络并没有蓬勃发展，直到80年代计算机时代爆炸之时才发展。目前有许多领域直接或间接使用人工智能以至人工神经网络。人工神经网络，也简称为神经网络（ANNs）是一个以生物神经网络建立成的数学模型或计算图像。它由一组共同连接的人工神经元（也称为节点），通过发送在连接和新值节点来处理信息的。在神经网络的连接都存在可以按经验来调整的加权，它使神经网络有适应和学习能力。在许多情况下，人工神经网络是一个自己改变结构的适应系统。在实际使用中，许多神经网络工具是非线性统计数据的模型化。它们可以被用来模型化输入数据和结果之间的复杂关系。在一个人工神经网络，人工神经元被称为“神经元/神经细胞”，“neurodes”，“处理元”或“单位”，其被连接在一起以形成一个模仿生物神经网络的网络。　　有关组成神经网络的哪些元素我们没有定义。但是，因为模型的一层被称为“神经元”，所以就有以下的特点：　　包括自适应加权，即由算法调整的计算参数。　　在输入，有可能相当非线性函数。　　人工神经元网络在收集和其他单位并行实施过程中类似于生物神经网络，更加为各单位把小的任务明确地划分。“神经元网络”的术语通常在统计算数、认知心理学和人工智能被提到。以模仿中心系统的神经网络模型是神经科学和数学神经理论的一部分。　　在基于人工神经元网络的软件开发模型，基于生物网络的方法大部分已经被拆除，而是我们用一个根据处理统计和信号的比较现实的做法。在一个系统中，神经网络或神经网络成分在大系统中会按自适应和非自适应的两种方式来共同结合。　　卷积神经网络（CNNs）是一种人工神经元网络。个体的神经细胞被堆叠的方式以便与在传感器区域的的各个堆叠区域反应。卷积神经网络的建设是自于生物过程的灵感和多层感知的变体。它们被设计以便使用在预处理过程中的最小数量资源。该模型在图像识别和视频普遍应用。　　在图像识别的应用，卷积神经网络是一组神经元的多层，每个部分是输入图像，称为接收机。结果是堆叠的以获得更好的结果，这行动在每一层会一次又一次地重叠。因此，我们将获得有关图像的最好结果。与其他图像分类算法相比，卷积神经元网络稍微使用预处理过程。这意味着，该神经元网络将负责在传统算法已被处理的过滤器的学习过程。　　现在，这些传感器越来越流行并在人类和机器之间相互作用起了巨大的作用的。智能设备已经可以使用手指、手写笔、甚至手势也可以。作为输入装置使用手指或手写笔可以帮助人们操纵比传统鼠标和键盘较为方便。使用手指和手写笔带来精度在操作和比鼠标和键盘的空间的传统更方便。但是，正是因为如此方便和效率又可以再次引发我们面临必须克服的新挑战。即手写识别。人工神经元网络是我们解决问题的一种方向。近年来，手写识别的研究已经商品化地发展。然而，显著的缺点分类神经网络是广泛的网络组织和其可扩展的复杂性。我们可以很容易地构造一个神经网络来确定、识别少数量，但与大输入和大输出的，会增加了连接性的神经元，所以它使培训的过程更加困难，尤其是识别率大大下降。　　本文将给出一个基于卷积神经网络的手识别写联机系统。与传统的单一神经网络不同的，新的网络包括一组具有高识别率、并行工作的卷积神经网络。每一个单元神经网络只担任在大组数据的识别一部分。但是，各网络通过该算法结合起来时可以会通过添加或删除的人工神经网络和使用语言词典造出灵活性的一层。　　手写识别仍是悬而未决的问题。第一个问题是在许多不同的写字风格很难进行手写识别。在写字时，我们有打印和手写的两种笔迹。如果打印的话，这个问题变得简单，所以我们可以很容易地编写电脑识别这种笔迹，但字迹变得更加复杂。我们每个人都有不同的书写，没有两个人是一样的。手写几乎就像指纹，每个人都有一个特征的。其结果，越模糊字母之间的边界中，手写识别已难的，识别固体手写更难。另一个问题是词汇，词汇也是决定书写的一个主要因素。词汇的使用会帮助我们判断识别的结果。使用小词汇词典会有一如下好处：　　1.词汇的尺寸小意味着因有多义词会少见难确定的案件。　　2.词汇的尺寸小允许单个字母模型化，与此同时如果大量的词汇将在计算增加复杂性。　　3.使用大的词汇会导致增加的处理节点，从而造出处理信息的复杂性。　　但是如果大量的词汇，词汇超越现象出现更少。　　为了能够手写识别，首先我们要处理的输入信息。人工智能和人工神经网络虽然有处理信息的能力类似人类，但是一切都必须依靠算法。因此，我们必须帮助电脑找到需要识别的字母。这种技术被称为边界确定技术。首先我们从左至右，从上到下，以确定是否字母的第一个点的位置。然后，我们分别寻找其他点，直到一个字的结尾。因此，我们会发现输入数据已处理。　　在得到输入数据之时，下一步，将该数据进行处理以便造出所希望的结果。提出的各种解决方案就是以许多较小的网络但具有高识别率进行构造复杂的神经网络以便设置其自己的输出。每个输出的网络成分“未确认”，使识别其结果无法被识别的过程。从一组输入数据，通过预处理步骤，以分成单独的字母。然后将样品施加到所有神经网络成分的输入，其中进行识别的字母各层。一些字母有共同的特征可以由一个或几个神经网络进行识别。典型例如，识别“s”时，号码识别可以识别“5”，小写识别为“s”和大写识别可以接收识别为“S”。因此，有一个输入，但输出的就有三个结果。总之，在这种情况使用词汇字典会让我们有准确的结果。