Resumen

Con el desarrollo de la sociedad y la promoción de la ciencia y la tecnología, el inglés, como la mayor lengua universal del mundo, es utilizado por cada vez más personas. En la vida que nos rodea, hay información en inglés todo el tiempo. Sin embargo, dado que el proceso de reconocimiento manual de las letras inglesas es muy laborioso e ineficiente, la demanda de reconocimiento informático de las letras inglesas es cada vez mayor. Este trabajo estudia la influencia de los parámetros de la red neuronal BP y del algoritmo genético en toda la red, incluyendo la entrada, la salida y el número de nodos de la capa oculta. Finalmente, mejora y determina los ajustes y valores de los parámetros relevantes. Sobre esta base, muestra la racionalidad de los parámetros seleccionados mediante experimentos. Los resultados muestran que sólo la red neuronal GA-BP y el algoritmo de minería de datos de características pueden completar la extracción de características y convertirse en la función principal de la clasificación de características al mismo tiempo. Después de un entrenamiento suficiente de análisis de muestras de datos iniciales, se comprobó que la red neuronal GA-BP tiene una buena tolerancia a los fallos de datos y un buen reconocimiento de características. Los resultados experimentales muestran que el algoritmo genético puede encontrar los mejores pesos y umbrales y los pesos y umbrales se dan a la red neuronal BP. Tras el entrenamiento, se puede realizar el reconocimiento de las letras manuscritas. Por último, se compara la convergencia de los dos algoritmos mediante experimentos, lo que demuestra que el rendimiento general del algoritmo de la red neuronal BP mejora tras la optimización del algoritmo genético. Se puede observar que el algoritmo genético tiene un buen efecto en la mejora de la red neuronal BP y que este método tiene una amplia perspectiva en el reconocimiento de rasgos del inglés.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, algoritmo genético, pb, letra inglesa, parámetros de la pb, nodo de la capa oculta, tolerancia a los fallos de datos, algoritmo de la red neuronal, optimización del algoritmo genético, promoción de la ciencia
• Keywords:neural network, genetic algorithm, bp, english letter, parameters of bp, hidden layer node, data fault tolerance, neural network algorithm, genetic algorithm optimization, promotion of science