手写数字识别（python底层实现）报告.docx
5星 · 超过95%的资源 需积分: 34 193 浏览量
2020-09-26
19:10:39
上传
评论 21
收藏 1.64MB DOCX 举报 
一、 目的与要求
1.1 实验目的
（1）加深对多层感知神经网络基本原理的理解；
（2）掌握多层感知神经网络中反向传播算法数学推导和随机梯度下降法进
行训练的原理；
（3）熟练使用 python 语言，学会利用 python 从底层实现多层感知机；
（4）分析影响多层感知机准确率的因素；
（5）结合实际问题与理论相结合，为进一步学习人工智能相关课程和从事
相关领域的理论研究工作奠定基础。
1.2 实验要求
（1）认识 MNIST 数据集的数据格式，对 MNIST 数据集进行划分作为多层
感知机的训练和测试数据；
（2）利用 python 语言从零开始搭建多层感知机网络；
（3） 通过调整参数提高多层感知机网络的准确度，并对实验结果进行评
估；
（4）程序的语句要求有注释，以增强程序可读性。
二、 多层感知机系统简介
早在 20 世纪 40~50 年代，人们就开始尝试研究神经系统数学模型，从 20
世纪 80 年代以来，人们开始大量的借用神经生理学的概念来研究机器智能，诞
生了一门新兴的学科——人工神经网络(artificial neural networks)，简称神经网
络（neural networks），为模式识别的方法体系注入了新鲜的血液。根据对自然
神经系统构造和机理认识，神经系统是由大量的神经细胞（神经元）构成的复
杂的网络，人们针对这一网络建立一定的数学模型和算法，设法使它能够实现
基于数据的模式识别。采用不同的数学模型会得到不同的神经网络，其中最有
影响的模型应该是多层感知器（MLP）模型，它具有从训练数据中学习任意复
杂的非线性映射的能力，也包括实现复杂的非线性分类判别函数。下面就多层
感知器的组成和数学原理进行介绍。
1
剩余38页未读，继续阅读
资源评论
AshleyK2023-07-25它提供了一个基于Python的底层实现的指导，循序渐进地向读者介绍了这个领域。
蓝洱2023-07-25文档中对于算法和技术的解释非常清晰，帮助读者迅速掌握了手写数字识别的原理。
Xhinking2023-07-25这份报告提供了一些有用的示例代码，使读者可以轻松地理解和模仿其中的方法。
老许的花开2023-07-25作者在文中提到了一些挑战和局限性，使读者对这个领域有了真实的认识，同时也提供了一些建议和思考点。
ask_ai_app2023-07-25这个文件以简洁的语言介绍了手写数字识别的实现方法，对于初学者来说非常友好。
