Effektive Handschriftliche Ziffernerkennung mit Deep Convolution Neural Network

In diesem Papier wird ein einfacher neuronaler Netzwerkansatz zur handschriftlichen Ziffernerkennung mithilfe von Faltung vorgeschlagen. Mit maschinellen Lernalgorithmen wie KNN, SVM/SOM gilt die Ziffernerkennung als eine der unlösbaren Aufgaben aufgrund ihrer Besonderheit im Schreibstil. In diesem Papier werden Faltungsneuronale Netzwerke mit einem MNIST-Datensatz von 70000 Ziffern und 250 unterschiedlichen Schreibstilen implementiert. Die vorgeschlagene Methode erreichte eine Genauigkeit von 98,51 % bei der Vorhersage von handschriftlichen Ziffern aus der realen Welt mit weniger als 0,1 % Verlust im Training mit 60000 Ziffern, während 10000 zur Validierung verwendet wurden.