基于人工神經(jīng)網(wǎng)絡(luò)和GPU加速的手寫數(shù)字識別并行算法.pdf

1、字符識別是模式識別領(lǐng)域的一個重要研究分支，其中手寫數(shù)字識別更是一個具有現(xiàn)實意義且富于挑戰(zhàn)性的課題。近年來神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于手寫體數(shù)字識別算法，但神經(jīng)網(wǎng)絡(luò)的執(zhí)行需要進行大量的矩陣和向量的計算。而傳統(tǒng)的加速方法，大都使用昂貴并且很難維護的大型并行機或網(wǎng)絡(luò)，普通用戶卻并不具備使用這些高端設(shè)備的條件。隨著GPU性能的大幅度提高以及可編程特性的發(fā)展，基于圖形硬件的通用計算(GPGPU)已成為新的研究熱點。
　　 針對上述問題，本文提出一種

2、基于人工神經(jīng)網(wǎng)絡(luò)和GPU加速的手寫數(shù)字識別方法，該方法根據(jù)神經(jīng)網(wǎng)絡(luò)層內(nèi)結(jié)點彼此獨立，訓(xùn)練和執(zhí)行過程分開的特點，提高了手寫數(shù)字識別網(wǎng)絡(luò)的泛化性能，并將識別的計算過程在GPU中并行加速，從而大幅度提高了手寫數(shù)字識別的運算速度。
　　 該方法主要思想是將預(yù)失真處理以及二階方法等措施應(yīng)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，綜合考慮學(xué)習(xí)率的變化特性，修正、補充和完善了使用五層腦回路神經(jīng)網(wǎng)絡(luò)進行手寫數(shù)字識別的模型，從而使手寫數(shù)字識別獲得更高的精準(zhǔn)率；在并行加速