1. 研究目的与意义（文献综述）

1.1研究目的

人类的视觉系统有着庞杂的体系，在我们的大脑的左右半球中，都拥有主视觉皮层，只单单一层就包含了1.4亿个神经元，它们之间有着极其复杂的联系，因此，依靠这个复杂的视觉系统，在人类的视觉世界中，我们中的大多人可以轻易准确地识别出手写数字，相反，当我们试图编程使机器模仿人的视觉去识别这些手写数字时，我们才意识到我们的视觉系统解决的是一件多么复杂的事情。人类可以根据“数字8大致由两个上下封闭的圆形”迅速而简单的识别出数字8，而我们试图制定精确的规则时却发现不是那么容易，因为人的笔迹及书写习惯可能导致数字书写不是那么规范，比如我们在书写时常常会出现数字8上面的那个圆不是完全封闭的情况，这使得我们很快陷入了各种例外的泥潭之中，使得事情变得复杂。

因此本次毕业设计的目的是学习python和神经卷积相关算法，建立一个可以自动识别手写数字的系统，神经网络可以根据已有的例子自动推断识别手写数字的规则，通过增加训练图片的数目，进一步提高识别的准确率。

2. 研究的基本内容与方案

2.1设计基本内容及目标

建立一个卷积神经网络，并利用具有多隐层的神经网络，学习输入数据的抽象表示，实现对手写数字的识别，再通过数据集训练一个准确度超过 98% 的手写数字识别器。

3. 研究计划与安排

第1—4周：查阅相关资料，明确实现识别手写数字研究的基本流程，确定基本方案，完成开题报告。

第5—7周：学习python编程语言，学习神经卷积算法基础知识，完成需求分析，明确识别手写数字的技术方案具体实现方法。

第8—11周：进行识别手写数字的编程，对系统进行大量训练，根据测试结果修改完善代码，达到理想的正确率。

4. 参考文献（12篇以上）

[1]陈旭,张军,陈文伟,李硕豪.卷积网络深度学习算法与实例[j].广东工业大学学报,2017,34(06):20-26

[2]翟俊海,张素芳,郝璞.卷积神经网络及其研究进展[j].河北大学学报(自然科学版),2017,37(06):640-651.

[3]周成伟.基于卷积神经网络的自然场景中数字识别[j].计算机技术与发展,2017,27(11):101-105.