技术总结
本发明公开了一种基于分数阶微积分与广义逆神经网络的手写数字识别方法，包括以下步骤，获取手写数字图像集合，根据所述手写数字图像集合，选择单隐层神经网络模型；利用分数阶微积分和广义逆计算单隐层神经网络中的权值矩阵和权值向量；根据权值矩阵和权值向量，获取神经网络网络参数，进行样本精度的计算。本发明应用于模式识别中的手写数字的识别，识别精度高；在优化输入权值矩阵时运用了分数阶导数，由于分数阶导数与整数阶相比，能够较为准确地反应神经网络模型的性能；本发明引入正则化项，具有更好的泛化性能，增强了系统的可控性，同时，正则化项可以降低数据集中存在的噪声，达到降噪的目的。
技术研发人员：王健;龚晓玲;张炳杰;柳毓松;时贤;王延江
受保护的技术使用者：中国石油大学（华东）
文档号码：201610834842
技术研发日：2016.09.20
技术公布日：2017.02.15