基于机器与深度学习算法的手写数字识别
计算机视觉与模式识别
2021-06-25 v1 人工智能
机器学习
摘要
人类对机器的依赖从未如此之高，从照片中的物体分类到为无声电影添加声音，一切都可借助深度学习和机器学习算法完成。同样，手写文本识别是具有大量可达成可能性的重要研发领域之一。手写识别（HWR），也称为手写文本识别（HTR），是计算机从纸张文档、照片、触摸屏及其他设备等来源接收并解释可理解手写输入的能力[1]。显然，本文中我们利用MNIST数据集，使用支持向量机（SVM）、多层感知机（MLP）和卷积神经网络（CNN）模型进行了手写数字识别。我们的主要目标是比较上述模型的准确率及其执行时间，以获得用于数字识别的最佳可能模型。
引用
@article{arxiv.2106.12614,
title = {Handwritten Digit Recognition using Machine and Deep Learning Algorithms},
author = {Samay Pashine and Ritik Dixit and Rishika Kushwah},
journal= {arXiv preprint arXiv:2106.12614},
year = {2021}
}
备注
6 Pages, 13 figures, and 1 table