基于Tensorflow的手写数字识别软件的设计与开发
（一）国内外研究现状
近年来，随着人工智能的快速发展，Alphago打败了围棋第一人柯洁、百度无人驾驶汽车上路等一系列事件，表明了人工智能正在一步步走向可靠强大，机器学习获得了学术界和工业界的大量关注。深度学习在图像处理、语音识别、自然语言处理领域上取得了巨大的成功，被有效地用于分析和处理这些数据，并且与深度学习相关的课程也逐渐在各个高校中展开。在国内，吴立德教授在复旦大学开设了深度学习的课程；在国外，一些知名高校例如斯坦福大学、牛津大学、纽约大学等也陆续开设了深度学习的课程。在2015年11月，谷歌对第二代人工智能学习系统TensoFlow的开源，深度学习得到了更加广泛的推广。
计算机视觉是深度学习最早取得突破性成绩的领域。而在如今，随着越来越多的场景需要更加精确的识别，人们已经不再满足于一些简单常规的图像识别任务，使用卷积神经网络模型在MNIST手写数字数据集上的识别率已经达到了99.77%。谷歌公司将自主研发的物体识别技术应用到了谷歌图像搜索中，给定一张图片，能在物联网众多的资源中搜索出相似的图片。
在国内，从上个世纪80年代开始，手写字识别一直是一个重要的研究领域，相对于其他国家，我国的研究起步较晚。现如今，我国从事数字识别技术研究的单位主要有北京文通、蒙恬科技等，数字的识别率已经大于99%。
在国外，IBM公司的研究人员Nagy和Casey在1966年发表了首篇关于汉字识别的相关论文，之后日本也开始了对汉字识别的技术研究，日本富士通公司的相关研究实验室开发研制了一个关于多体印刷体汉字识别的装置，其识别率高达99.98%。
随着深度学习在各领域中的广泛应用，结合深度学习中的卷积神经网络相关技术，提供了一种有效解决手写数字识别难题的方法。在2000年初，LeCun教授将基于卷积神经网络的手写数字识别系统运用在美国的各大银行支票的数额识别中。在2011年之后的两届ICDAR手写汉字识别比赛的冠军都相继采用了深度学习中的卷积神经网络方法，2013年时，富士通公司的相关研究实验室通过改进的卷积神经网络，对于手写识别率已经到达了94.77%。
（二）研究主要成果
手写数字识别技术是一种利用机器或者计算机自动辨认阿拉伯数字的技术，随着信息化的快速发展，对自动化的要求越来越高，从而导致对手写数字识别的需求变得更加急迫。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
