基於卷積神經網路手寫字元研究的意義

隨著資訊化和智慧化時代的到來，通過模式識別技術實現大量資訊的自動識別和處理，以不斷提高生活的便利性和工作的效率，是時代發展的必然趨勢和要求。卷積神經網路具有較強的容錯性，還具有較強的自學習能力和並行處理能力。

卷積神經網路是一類包含卷積計算且具有深度結構的前饋神經網路，是深度學習的代表演算法之一。卷積神經網路具有表徵學習能力，能夠按其階層結構對輸入資訊進行平移不變分類，因此也被稱為平移不變人工神經網路。可以進行監督學習和非監督學習，其隱含層內的卷積核引數共享和層間連線的稀疏性使得卷積神經網路能夠以較小的計算量對格點化特徵。