1. 研究目的与意义（文献综述）

近些年，字符识别已经开始成为模式识别领域一个非常重要的分支，因为字符识别的应用十分广泛，例如签字、财务数据、实验数据等，这些场合的字符识别如果出现错误，将会出现严重的后果。

字符识别的基本思想是匹配识别，抽取未知字符的各种特征，与预先存储在机器中的标准字符形式进行匹配，用一定的规则判别，判别的结果就是识别结果。字符识别的发展可以分为三个阶段，第一阶段是用一维图像的处理方式进行二维图像的识别，第二阶段主要进行基础的理论研究，第三阶段则主要是将理论与实际相结合。手写英文字符识别相对于中文字符识别来讲较为简单，主要是因为中文字符结构复杂，英文字符则只有26个字母，所以识别起来相对简单。

深度学习的概念最早由神经网络之父geoffrey hinton等人在2006和2007年于《科学》杂志上发表，深度学习最初指的是深度神经网络，随着深度神经网络层数的增多，就具备了很多原非深度网络所不具有的学习能力，就显得更为“智能”。深度学习目前是机器学习领域一种很重要的方法，在图像识别、字符识别、语音识别中有着非常广泛的应用。且取得了很好的效果，因此我选择了深度学习的方法来完成手写英文识别字符的设计。

字符识别也越来越受到人的关注，由于每个人的笔触不同，写出字的形状也千奇百怪，如有些人写的草书，人用肉眼都不一定能分辨出字符，更别提用计算机来分辨了，让计算机正确识别手写的字符存在很大的困难。随着深度学习的广泛应用，深度卷积神经网络在手写字符识别领域展示了出色的能力，具有其他分类检测算法无法达到的优秀特性，并取得了很理想的效果，有效提高了识别率。本文通过设计基于深度学习的手写字符识别算法，将可以提高字符识别的应用范围。

2. 研究的基本内容与方案

研究的基本内容

研究深度卷积神经网络中的训练算法，包括前向传播，反向传播以及梯度下降法。研究不同层数的深度卷积神经网络结构对英文手写字符识别的影响，力求提高手写英文字符识别率。

研究的目标

3. 研究计划与安排

1-3周 查阅中、英文资料，完成开题报告，完成不少于2万字符的英文翻译任务；

4-8周 学习和评测常用手写英文字母识别方法；

9-16周 完成深度网络英文字母识别算法实现和评测总结；

4. 参考文献（12篇以上）

[1] yang w, jin l, liu m. deepwriterid[j]: an end-to-end online text-independent writer identification system[j].ieee intelligent systems, 2016, 31(2):45-53.

[2] lecun y, bengio y, hinton g. deeplearning [j]. nature, 2015, 521(7553): 436-444.

[3] konstantinos zagoris, ioannispratikakis, apostolos antonacopoulos, basilis gatos, nikos papamarkos.distinction between handwritten and machine-printed text based on the bag ofvisual words model [j]. pattern recognition, 2014, 47 (3) :1051-1062.