基于BP神经网络的印刷体英文识别
目录
基于BP神经网络的印刷体英文识别 1
1背景 1
2 BP网络介绍 2
3系统实现思想 2
3.1英文识别整体框图 2
a BP神经网络训练过程 3
b BP神经网络识别过程 3
3.2 预处理及其特征提取方法 3
3.3 BP神经网络结构 4
3.3.1 输入层神经元个数的确定 4
3.3.2 隐含层神经元个数的确定 4
3.3.3 输出层神经元个数的确定 4
3.3.4 BP神经网络的构造 4
3.4 BP神经网络的训练 4
3.4.1 训练样本集合和目标值集合 5
3.4.2 网络训练 5
3.5 英文的识别 7
程序清单 11
[B]=outline(RGB); 12
（读书报告、研究报告） 18
1背景
随着社会的发展，英语作为国际通用语言得到了日益广泛的应用，因此有大量的英文文档整理、查询、统计的工作需要完成，而英文英文识别系统可以轻而易举地完成很多以前难以想象的工作。
智能控制作为一门新兴的交叉学科，在许多方面都优于传统控制，而智能控制中的人工神经网络由于模仿人类的神经网络，具有感知识别、学习、联想、记忆、推理等智能，更是有着广阔的发展前景。
人工神经网络理论的应用主要在人工智能,自动控制,模式识别,机器人,信息处理,CAD/CAM等方面。如:
(1)空间科学。航空飞行器及汽车的自动驾驶导航系统,飞行路径模拟，飞行器制导和飞行程序优化管理等。
(2)控制和优化。机器人运动控制,各种工业过程控制和制造过程控制，如集成电路布线设计,生产流程控制等等。
(3)模式识别和图像处理。如人脸识别,语言识别,指纹识别,签名识别,手写体和印刷体字符识别,目标检测与识别,图像复原,图像压缩等等。
(4)智能信息管理系统。如股价预测,不动产价格预测,外汇,黄金等大宗产品价格预测,公司财务分析,地震及各种自然灾害预报等等。
其中最核心的是反向传播网络(Back Propagation Network),简称BP网络。本文介绍了运用matlab工具箱确定隐层神经元的个数和构造BP神经网络，并用两组样本对该神经网络进行训练，然后运用训练后的网络对英文进行识别。
