基于改进BP神经网络的数字识别 针对BP（Back Propagation）神经网络易陷入局部极小、收敛速度慢的缺点，提出了一种新的BP神经网络改进算法。与标准BP算法比较，该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法。附加动量法虽然可以使BP算法避免陷入局部极小，但是对初始值的选取比较敏感，而且选取合适的学习速率比较困难。而自适应学习速率法可以自动把学习速率调整到一个合适的数值，也可以加快网络的收敛速度，但不能避免陷入局部极小。通过将两者结合起来形成新的改进算法，既可以避免陷入局部极小又可以加快网络的收敛速度。并在此基础上设计一个基于BP神经网络的数字识别系统，此系统可以作为核心部分应用到诸如票据等数字识别中去。实验结果表明，该方法成功的避免了BP算法陷入局部极小，而且收敛速度比标准BP算法提高了17.5倍。