1. 研究目的与意义及国内外研究现状

近年来，研究者们对于人工智能的的研究越来越多，其中有一个目标是人工智能一直在追求的——让计算机能够识别出具体的物体，也就是说具有人类的视觉。经过多年的研究和发展，人们在这个方面取得了长足的进步，然而却始终不尽如人意。

研究者们为了测试有关图像识别算法的性能好坏和准确率高低，建立了一个非常准确并且足够庞大的图像数据库 imagenet。研究者们把这个数据库作为基础平台。每年都会举办大规模计算机视觉挑战赛 imagenetlarge scale visualrecognition challenge(以下简称 ilsvrc)，这个比赛是规模最大的图像识别比赛，基本上可以代表计算机视觉领域的最高水平。在2012年之前，图像识别的错误率一直保持在26％左右。但在ilsvrc-2012比赛中，使用卷积神经网络的算法取得了非常好的成绩。从那以后，卷积神经网络便成为这一比赛的主流算法。绝大多数的参赛队伍都会或多或少地使用卷积神经网络这一算法。图像识别所能够取得的最好的成绩基本上都是由深度学习中的卷积神经网络相关的算法创造的。这也从侧面反映深度卷积网络在计算机视觉方面的性能是非常好多。很快地，在一些相关领域，例如人脸识别、手写字体识别，衣物检测等，卷积神经网络也取得了世界领先的成果。

可以不夸张地说，目前为止，卷积神经网络是用于图像识别领域的最好的算法。从该算法本身的角度考虑，卷积神经网络在卷积层与层之间使用了共享的参数，这种特点不仅减少了需要的内存大小，同时也减少了需要进行训练的参数数量。提高了算法性能的同时，也几乎不需要对样本图像进行预处理或者特征值的提取，这是一些其他机器学习算法所不具备的优势。

2. 研究的基本内容

第一步，先全面了解神经网络的产生及发展过程，有何优缺点。

第二步，了解卷积神经网络产生的原因及背景，明白卷积神经网络的原理。

第三步，利用神经网络对手写数字进行识别，需要成功调试程序

3. 实施方案、进度安排及预期效果

一、前期准备

时间：2015年12月——2016年1月

1、查阅文献资料

4. 参考文献

[1] y. tay, p. lallican, m. khalid, c. viard-gaudin, s. knerr, “an offline cursive handwriting word recognition system”, proc. ieee region 10 conf., （2001).

[2] a. sinha, an improved recognition module for the identification of handwritten digits, m.s. thesis, mit, （1999).