根據具體情況本文設計4個神經網路，安視寶分別為漢字神經網路、字母神經網路、數字神經網路以及字母和數字洩合神經網路。把歸一化後的字元H像中的每個畫素點作為神經網路的一個輸入。
工具/原料
神經網路結構
問題觶空間編碼
適應性函式
方法/步驟
採用二層前饋型神經網路，據自文分析，車牌字元識別是小分類問題，含有一層隱含層的神經網路可以逼近任意非線性幽數，因此只需要二層神經網路就可以對字元進行識別。由於車牌上的字元分為漢字、字母和數字，根據具體情況本文設計4個神經網路，分別為漢字神經網路、字母神經網路、數字神經網路以及字母和數字洩合神經網路。把歸一化後的字元H像中的每個畫素點作為神經網路的一個輸入，字元統一大小為32*16，故共有512個輸入。輸出神經兒節點數由待分類問題的類別數決定，對於漢字網路，我國車牌漢字包括省、直轄市、白治區的簡稱共31個漢字，軍用車漢字共13個，還有使館、領館、臨時汽車、教練車等一起共51個漢字，漢字網路輸出節點數為51;數字為從。到9共十數字網路。
本文的問題解指的就是網路的權位與閡位，即對網路訓練的目的就是找到一組最優的權值與閩值的組合。一般情況下采用=進位制編碼方式，但車牌識別系統涉及到的引數較多，對精度要求較高，二進位制編碼求觶精度受染色體長度的限制，本文采用實數編碼，一方而滿足了精度要求另-方而問題編碼意義明確，
要選擇優良的父代進行各種遺傳操作，就需要有一個標準，遺傳演算法以適應度函式作為依據，在本課題中，誤差是衡量個體好與壞的根本標準，即誤差越小，說明個體適應度越高，相反，誤差越大，表明個體適應度差。本文的適應度幽數F與誤差E相關，F=C-E，C為常數，E為誤差，