基于数字识别研究的探索及其价值思考

【摘 要】随着当今社会的日新月异及信息化进程的快速发展，我们如今正被数字化时代笼罩着，数字正朝着庖代我们对话语和文字的语言表达、记忆的方向进展。本文通过对数字识别的实用价值、理论价值等介绍，定义了基于神经网络的数字识别系统设计研究在社会、经济发展及科技进步中的现实意义，对数字识别系统的进一步研究具有一定的指导意义。

【关键词】BP神经网络；数字识别；价值

一、数字识别研究的实用价值

1.数字识别应用在大型数据统计。在大型的数据统计（如：工业普查、农业普查、三产普查、人口普查等）中，输入数据量特别大，曾经的手工输入，耗时、耗资、需要的人力大。如今在类似工农业普查及人口普查工作中，数字识别技术已解决了效率优先的根本问题。

2.数字识别应用在金融等领域。金融等领域中涉及到大量的数字运用，因此，数字识别在其中的优势尤为凸显。伴着国家经济的迅猛发展，越来越多的各种金融票据需要人们予以快速有效的处理。所以，使用系统自处理，显然可以节省大量的人力、物力和财力。比较上面涉及到的统计报表处理，在金融领域的实践难度较大，究其原因有三：其一是金融领域的各种票据要求识别精确度更高；其二是在表格处理过程中经常涉及到多种表格需要同时处理，这样一来，必须要求一个系统能同时有效地处理多种表格；其三是因为在日常的工作过程中，数据处理无时无处不在，书写字符过程中必须尽量按常规习惯，这显然提高了识别及预处理核心算法的要求。

3.数字识别应用在身份证字符识别。数字字符识别与身份证字符识别有很多共同点，身份证字符识别将数字字符直接运用在身份证字符识别中，可以做到资源的有效共享。也可以配合公安机关对每一个人的身份进行有效监控，这样，一些不法分子在违法犯罪之后将寸步难行，从而有效的维护了社会治安。

二、数字识别研究的理论价值

1.阿拉伯数字有其明显的优越性，因为它是世界各国唯一被通用的符号，所以，在对数字识别的研究上，与世界各国的文化背景毫无关系，所以，在数字识别的研究领域，为世界各国的研究人员提供了一个平等的施才舞台。同时，各研究专家、有识之士可以在此领域予以有效探讨，共同进步。

2.数字识别中，其识别类别数不大，这样有利于我们做更深层次的分析及检验某些新的理论。比如：人工神经网络（ArtificialNeuralNetworks）――其中有较大一部分的ArtificialNeuralNetworks模型及算法全以数字识别当成全面的实践平台，检验其中理论的有效性，评议各方法的优势和不足。

3.虽然人们研究数字的识别历时已久并已获取了众多成果，但是直至今天为止，系统的识别能力还远不及人脑的认知及判断能力，所以，高精度的数字识别研究依然是一个难度相当高且待进一步深入研究的重大课题。

4.数字字符的识别方法研究能进一步外延到很多相关问题的研究中，并且对一些相关问题的研究具有重要的借鉴作用。例如：在英文二十六个字母扩展成的拼音文字的识别就是一个很好的个案。实际上，在字符识别领域的研究中，很多学者已经把数字识别和英文字母识别放在一块进行比较研究。

三、神经网络的数字识别的研究优势

对于曾经风靡的传统模式识别，如今人们对其低正确率的识别方法已深感不满，涉及到巨额经济的账目核算等问题时，低正确率的识别方法甚至让人惶恐不安，早在二十世纪中期诞生的神经网络使模式识别的发展产生了引领和推动作用，发展前景广阔。这些年来，模式识别领域对刚发展起来的神经网络理论给予了人们的高度关心和注意，究其原因主要是传统模式识别方法不如神经网络方法好，神经网络较传统模式识别方法具有很多的优点，比如：神经网络方法对新样本训练效果的自适应性、学习能力良好，同时，任意拓扑结构的模式空间能被其非线性及多层网络结构能划分，且神经网络的容错能力、推广能力让神经网络在模式识别的使用中具有较高的识别效率，神经网络的运算速度很快。

四、数字识别研究的发展趋势及现实意义

在国内外研究现状资料及现实调查显示，很多基于数字识别的研究都取得了突破性的进展，提出并解决了数字识别的正确率问题，然而，数字没有上下文关系，每个单字的识别都事关重要，而且数字识别经常涉及到财会、金融领域，其严格性更是不言而喻的。因此，用户的要求不是单纯的高正确率，更重要的是极低的、千万分之一以下的误识率。此外，大批量数据处理对系统速度要求又相当高，许多理论上很完美但速度过低的方法显然是行不通的，因此，研究高性能的数字识别算法是一个亟待解决且具有相当挑战性的重大现实课题。

神经网络具备有学习能力高、泛化能力强、快速并行实现等诸多特点，用于解决以上问题具有一定指导性意义。由Rumelhart所涉及到的多层前馈神经网络模型，因利用了误差反传的BP学习算法，被称为BP网络。由于其高度的非线性映射能力，BP网络的应用极广。为此，基于神经网络的数字识别系统设计研究将对社会、经济发展及科技进步具有重要的现实意义。

参考文献：

[1]许颖泉.用神经网络进行数字图象识别研究[J].应用科技，2008（24）.

[2]张红，刘磊，孙彦峰.BP数字识别自动监控系统[J].小型微型计算机系统，2009，30（3）.

[3]刘浩，白振兴.BP网络的Matlab实现及应用研究[J].现代电子技术，2006，29（2）等.