论文部分内容阅读
基于BP神经网络设计了一个字符识别系统。首先,对字符图像进行二值化处理,构造输入向量矩阵。其次,通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练,之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性。最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统。仿真结果显示,该BP网络对噪声系数小于0.8的字符识别率可达95%,且网络训练时间可接受。