人工神經網絡介紹及OCR軟件應用舉例

神經網絡是一個功能強大的數據建模工具，可以捕獲和表示複雜的輸入/輸出關係。神經網絡技術發展的初衷是爲了開發一個相似於人腦能夠執行「智能」任務的人工系統。神經網絡在如下兩方面相似於人腦：

一、神經網絡經過學習得到知識。
二、神經網絡的知識存儲在神經元間的鏈接強度，稱爲突觸權重。

神經網絡的真正優點在於可表示線性和非線性關係，並能經過建模數據學習這些關係。當模型數據中包含了非線性字符時，傳統的線性模型就不能知足須要了。

最多見的神經網絡模型是多層感知器 (MLP)。這種類型的神經網絡被稱爲監督網絡，由於爲了學習，它須要一個指望輸出。該種類型的神經網絡旨在經過歷史數據創建一個能將輸入正確映射到輸出的模型，以便指望輸出未知時，該模型也能生成輸出。

MLP和許多其餘的神經網絡經過一個backpropagation算法進行學習。經過backpropagation算法，輸入數據反覆提交到神經網絡。每提交一次輸入數據，神經網絡的數據就與指望輸出進行對比，並記算錯誤。該錯誤被反饋到神經網絡並用於調整的權重，隨着每次迭代，錯誤減小，神經模型與指望輸出愈來愈接近。這個過程被稱爲「訓練」。

下面一個例子是神經網絡在光學字符識別（OCR）軟件中的典型應用。現在，多數文檔掃描儀都自帶了一個光學字符識別（OCR）軟件。光學字符識別（OCR）軟件容許你掃描打印文檔，並將其保存爲圖像。接着光學字符識別（OCR）軟件將圖像分爲幾個子圖像，每一個子圖像中包含一個單獨的字母。而後將子圖像從圖像格式轉換成二進制格式，並將二進制數據傳輸到神經網絡。該神經網絡經過以往的訓練，找出字符圖像數據和數值之間的關聯，從而將所掃描的圖像轉換成電子文本格式，如Word文檔，以便對文本進行操做。市面上的許多OCR軟件都是使用神經網絡來做爲分類引擎。

 

後面咱們將介紹神經網絡應用領域及經常使用工具推薦！敬請關注慧都控件網！