摘要：作为文字识别中的一个重要研究课题，数字识别无时无刻不引着人们的眼球。机器学习是人工智能的主体，它通过计算机的智能学习模仿人类，最终可以获得分类辨别能力与高超的分析统计能力。人工神经网络是根据研究信息处理的方面对脑神经元网络进行模拟，搭建神经网络架构，根据功能需求的不同可以更改其内部结构进而组成不同的网络。

近些年，人工神经网络愈来愈被人们广泛使用，其中最受追捧的要数BP神经网络。由于传统数字字符识别方法具有着一定的局限性且识别过程较为复杂，因此为解决上述问题本文采用python软件编制了一套基于 BP 神经网络的数字识别系统。选取适当的数字字符图像通过预处理，对BP神经网络进行训练，通过对权值的反复计算调整，逐渐降低误差，最终得到了较好的识别率。

关键词：数字识别；机器学习；人工神经网络；BP神经网络；Python

目录

摘要

Abstract

1 绪论-1

1.1 本课题的背景及意义-1

1.2 本课题研究现状-1

1.3 本文研究内容-2

1.4 本文组织结构-2

2 机器学习相关理论-3

2.1 机器学习的基本结构-3

2.2 学习形式分类-4

2.2.1 监督学习-4

2.2.2 无监督学习-4

3 神经网络-5

3.1 神经网络概述-5

3.1.1 生物神经网络-5

3.1.2 人工神经网络-5

3.2 人工神经网络结构-8

3.3 感知器神经网络模型-8

3.3.1 单层感知器-8

3.3.2 多层感知器-9

3.4 BP神经网络-10

4 BP网络系统设计-13

4.1 数据收集-13

4.2 图像预处理-14

4.3 网络结构-14

4.4 BP网络训练步骤-15

4.5 GUI界面设计-16

5 系统测试-18

结    论-21

参 考 文 献-22

致    谢-23