摘要：模式识别一直都是深度学习中的重要研究分支，而利用神经网络识别手写数字图片，长久以来都是模式识别中的一个重要研究课题。该课题的目的是通过训练神经网络来对0-9的阿拉伯手写体数字进行识别，对探究神经网络对图片识别问题有着启发式的重要作用。

-本文将分别介绍BP神经网络和卷积神经网络的原理，基于tensoflow框架搭建两种神经网络，并分别对手写数字图片识别问题进行研究，给出了模型搭建过程，损失函数和激活函数的选择，并对结果进行分析。基于BP神经网络和卷积神经网络对手写数字图片识别的结果以及两种神经网络的算法原理分析，发现两种神经网络对手写数字图片的识别都有较高的精确度，但卷积网络的识别精准度略高于BP神经网络，且在识别更的复杂图片时，卷积神经网络会拥有更好的学习效果。

关键词：手写数字图片识别 BP神经网络 卷积神经网络

目录

摘要

Abstract

1 绪论-1

1.1 研究背景-1

1.2 神经网络相关研究-1

1.3 主要研究内容-1

2 神经网络模型-2

2.1 相关技术-2

2.1.1 tensoflow框架-2

2.1.2 Pycharm-2

2.2 BP神经网络-2

2.2.1 前向传播-3

2.2.2 激活函数-4

2.2.3 损失函数-6

2.2.4 反向传播-6

2.3卷积神经网络-9

2.3.1 卷积层-10

2.3.2 池化层-11

3 手写数字图片识别模型搭建-12

3.1 BP神经网络识别手写数字图片-12

3.2 卷积神经网络实现手写数字图片识别-15

4 手写数字图片模型测试与评估-19

4.1 BP神经网络模型测试与评估-19

4.2 卷积神经网络模型测试与评估-21

5 总结-24

参考文献-25

致谢-27