人工神经网络介绍及OCR软件应用举例

神经网络是一个功能强大的数据建模工具，可以捕获和表示复杂的输入/输出关系。神经网络技术发展的初衷是为了开发一个相似于人脑能够执行“智能”任务的人工系统。神经网络在如下两方面相似于人脑：

一、神经网络经过学习得到知识。
二、神经网络的知识存储在神经元间的链接强度，称为突触权重。

神经网络的真正优点在于可表示线性和非线性关系，并能经过建模数据学习这些关系。当模型数据中包含了非线性字符时，传统的线性模型就不能知足须要了。

最多见的神经网络模型是多层感知器 (MLP)。这种类型的神经网络被称为监督网络，由于为了学习，它须要一个指望输出。该种类型的神经网络旨在经过历史数据创建一个能将输入正确映射到输出的模型，以便指望输出未知时，该模型也能生成输出。

MLP和许多其余的神经网络经过一个backpropagation算法进行学习。经过backpropagation算法，输入数据反复提交到神经网络。每提交一次输入数据，神经网络的数据就与指望输出进行对比，并记算错误。该错误被反馈到神经网络并用于调整的权重，随着每次迭代，错误减小，神经模型与指望输出愈来愈接近。这个过程被称为“训练”。

下面一个例子是神经网络在光学字符识别（OCR）软件中的典型应用。现在，多数文档扫描仪都自带了一个光学字符识别（OCR）软件。光学字符识别（OCR）软件容许你扫描打印文档，并将其保存为图像。接着光学字符识别（OCR）软件将图像分为几个子图像，每一个子图像中包含一个单独的字母。而后将子图像从图像格式转换成二进制格式，并将二进制数据传输到神经网络。该神经网络经过以往的训练，找出字符图像数据和数值之间的关联，从而将所扫描的图像转换成电子文本格式，如Word文档，以便对文本进行操做。市面上的许多OCR软件都是使用神经网络来做为分类引擎。

 

后面咱们将介绍神经网络应用领域及经常使用工具推荐！敬请关注慧都控件网！