买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜淮阴工学院申请的专利一种基于卷积神经网络的数字识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116563862B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310634089.6，技术领域涉及：G06V30/19；该发明授权一种基于卷积神经网络的数字识别方法是由桑英军;管明杰;陶静蕾;周业辉;范媛媛设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的数字识别方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的数字识别方法，对将要提取特征的图像进行预处理、居中和数字分割，将灰度字符图像的前景区域通过外接矩形提取处理，并按照统一的标准进行居中处理。对卷积神经网络进行进一步的改进，通过误差反向传播将不同卷积层的特征还原至初始输入的尺寸，与前向传播运算得到的预测输出进行可视化和对比分析，并以均方差函数作为误差函数训练网络模型，来更新权重和偏置项参数。同时进一步改进激活函数，将卷积神经网络中各层的运算输出作为激活函数的输入，并将输入端的加权和转化成神经元输出值，增加神经网络的非线性拟合能力，实现了准确率较高的手写数字识别。

本发明授权一种基于卷积神经网络的数字识别方法在权利要求书中公布了：1.一种基于卷积神经网络的数字识别方法，其特征在于：对将要提取特征的图像进行预处理、居中和数字分割，将灰度字符图像的前景区域通过外接矩形提取处理，并按照统一的标准进行居中处理；具体的步骤包括：S1：将MNIST数据集中的原始数据进行预处理，采用归一化的预处理方式将原始图像矩阵的数据都变为0到1的数据，同时将图像尺寸调整到与下一层的输入要求一致；S2：通过卷积核对经过预处理的输入图像进行遍历，从中提取出图像的相关特征；所述的通过卷积核对经过预处理的输入图像进行遍历，对图片的卷积运算为多通道输入，卷积核需要拥有相同的通道数，每个卷积核通道与输入层的对应通道进行卷积；卷积运算的计算公式为： 上式中，为第k层第m个神经元的输入，为第k层的卷积核，为第k层卷积后第m个神经元的输出；为第k层神经元的偏置，为多层通道卷积运算后累加的最终输出；为经过改进的激活函数处理后的输出，f.为改进的激活函数用来引入非线性特性；S3：使用改进的激活函数将输出的结果处理成非线性，从而增加神经网络的非线性拟合能力；所述改进的激活函数的公式为： 上式中，x为激活值；激活函数是非线性映射运算，具有保留、映射、激活神经元的特征；激活函数通过对输入信号的非线性变换表示，达到模拟数据在人类神经元传播的效果，主要用在相邻层级之间，连接神经网络并且给神经网络增加非线性因素；为了拟合任意函数即添加非线性运算；CNN模型中需要使用梯度下降法进行权重数据的更新，因此对应的激活函数要连续且可导；在进行迭代时函数的值域范围要小，才能将输出的数据控制在一定范围内，使训练结果更容易收敛；改进的激活函数式为： 上式中，fx为改进函数，f'x为导函数；S4：为了减少特征映射的维数，既缩减模型的规模，将输出的特征图划分为多个小块区域，每个区域中用一个值代表该区域内的多个值，使用池化运算处理图像相关特征，以此来减小每个特征图的尺寸，并保留最重要的特征信息；S5：将特征图像数据进行全连接运算使其高度抽象为一维数组；S6：将抽象的一维数组进行数字的分类运算，得到输出结果；分类运算的算法步骤包括：Step1：用随机数初始化所有的神经网络不同参数权重；Step2：输入要训练的图片，执行前向传播的步骤，运算出每个类别对应的输出特征图像；Step3：计算输出层的识别概率；Step4：通过反向传播算法计算输出的误差值相对于神经元所有神经元参数或权重值间的梯度，再由此调整连接权重，更新相关参数，经过多次迭代计算直至获取最优解停止权值调整；Step5：使用Softmax回归函数将输出值进行归一化，使分类结果更加直观。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人淮阴工学院，其通讯地址为：223100 江苏省淮安市洪泽区东七街三号高新技术产业园A12-2(淮阴工学院技术转移中心洪泽分中心)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。