一、 设计内容（论文阐述的问题）

自从AlphaGo完胜人类围棋顶尖棋手后，人们关于人工智能的讨论就从未间断过。有人说，人工智能会使大批人失业，又有人说，人工智能会给人类带来威胁。更多人期待的则是，人工智能可以帮助我们创造更多的价值。而目前我所能接触到的人工智能技术，都为人类的发展做出了很大的贡献，例如在图像识别领域，使用Google的TensorFlow人工智能框架可以很方便的搭建一个卷积神经网络，并且立即投入使用，本篇论文在介绍完CNN和TensorFlow之后会简要搭建一个CNN模型，并展示使用这个模型来实现对MNIST手写数字集的识别。

本课题要求完成：

1. 熟悉和了解机器学习，深度学习和人工智能的区别

2. 了解并掌握Pycharm运行环境，并用Python进行开发

3. 熟悉和了解TensorFlow框架以及该框架下的库函数

4. 了解MINIST手写数字数据集

5. 设计并实现基于TensorFlow的手写数字识别系统

6. 设计友好的人机交互界面

7. 对软件进行单元测试和集成测试，并生成测试报告

二、设计原始资料（实验、研究方案）

1. 通过阅读国内外文献，了解TenworFlow框架和MNIST手写数据集

2. 学习Softmax回归算法的相关知识

3. 了解如何选取Biases和Loss值，以期达到最好的识别效果

4. 设计多层卷积和池化的方案

5. 学习减小过度拟合Dropout算法

6. 对训练的数据生成模型，待下次使用时可直接调用。

三、设计完成后提交的文件和图表（论文完成后提交的文件）

论文一份，内容包括：

1. 封面；

2. 毕业设计任务书；

3. 开题报告；

4. 中文摘要；

5. 英文摘要；

6. 目录；

7. 论文正文；

8. 外文翻译-外文；

9. 外文翻译-中文。

四、毕业设计（论文）进程安排

序号     设计（论文）各阶段名称          日期（教学周）

1      调研准备                 2月25日-3月3日（第1周）

2      熟悉语言及相关技术       3月4日-3月15日（第2-3周）

3      软件设计及其开发         3月18日-4月26日（第4-9周）

4      系统调试                 4月29日-5月10日（第10-11周）

5      撰写毕业设计论文         5月13日-5月31日（第12-14周）

6      提交论文评审             6月3日-6月7日（第15周）

7      毕设答辩                 6月10日-6月14日（第16周）

五、主要参考资料

[1] 手写数字识别的前景与难点[J]. 张晓.数码世界.2016(01)

[2] 脱机手写数字识别技术研究[J]. 张玉叶,王尚强,王淑娟,王春歆.电脑知识与技术. 2016(29)

[3] 楼怡航, 基于数字图像处理的车牌识别技术[J].电子制作:2019

[4] 郭佳. 基于图像的表格识别算法与自动录入系统[D].北京邮电大学,2018.

[5] Waris M A，Iosifidis A，Gabbouj M． Object proposals using CNNbased edge filtering［C］/ / International Conference on Pattern Recognition. New York: IEEE，2017:627-632

[6] Zhang P，Zhuo T，Huang W，et al． Online object tracking based on CNN with spatial-temporal saliency guided sampling [J]. Neurocomputing，2017，257:115-127

[7] Smirnov E A，Timoshenko D M，Andrianov S N． Comparison of regularization methods for image net classification with deep convolutional neural networks [J]. Aasri Procedia，2014，6( 1) : 89-94

[8] 基于深度神经网络的手写数字识别模拟研究[J]. 宋晓茹,吴雪,高嵩,陈超波.科学技术与工程.2019(05)

[9] 王风盼. 基于深度学习的手写数字识别方法研究[D].重庆大学,2018.

[10] 基于TensorFlow实现手写数字识别[J]. 王宇洋.  信息技术与标准化. 2018(11)

[11] Lecun Y, Boser B, Denker J S, et al.  Backpropagation applied to handwritten zip code recognition[J]. Neural Computation, 2014, (4) : 541－551.

[12] 基于TensorFlow手写数字识别模型改进[J]. 张哲,张根耀,王珂.  延安大学学报(自然科学版). 2018(04)

[13] 手写数字识别的原理及应用[J]. 任丹,陈学峰.计算机时代.2007(03)

[14] GPU加速的神经网络BP算法[J]. 田绪红,江敏杰.计算机应用研究.2009(05)

[15] 基于卷积神经网络的计算机视觉关键技术研究[D]. 李彦冬.电子科技大学 2017

[16] 王际凯. 基于神经网络的手写数字识别改进算法和系统研究[D].西安电子科技大学,2018.

[17] 基于卷积神经网络的手写数字识别[J]. 李斯凡,高法钦.浙江理工大学学报(自然科学版).2017(03)

[18] 何西麟.基于深度学习的手写体字符识别研究与实现[D].广州:中山大学, 2015.