不同深度学习模型对手写数字识别的比较研究-研究论文

随着人工神经网络（ANN）的扩展，深度学习（DL）使其比我们10到2年前的智能和效率更高，从而在人工智能（AI）的各个领域带来了有趣的转变。 由于DL的多功能性，它已在各个领域中使用。 卷积神经网络（CNN）是将ANN和创新的DL技术结合在一起的主要发展点。 在本研究论文中，我们设计了一个多层的全连接神经网络（NN），其中包含10和12个隐藏层，用于手写数字（HD）识别。 测试是在可公开获得的MNIST手写数据库上执行的。 我们从MNIST数据库中选择了60,000张图像进行训练，并从10,000张图像进行测试。 在使用MNIST手写数据集确定数字的同时，我们的多层ANN（10），ANN（12）和CNN能够分别达到99.10％，99。34％和99.70％的整体精度。