本稿では、畳み込み演算を用いたシンプルなニューラルネットワーク手法を用いて手書き数字認識に取り組んだ。KNNやSVM/SOMといった機械学習アルゴリズムでは、書体の多様性が顕著であるため、数字の認識はかつては解決困難とされたタスクであった。本研究では、MNISTデータセット（全70,000件の数字データ、250種類の異なる筆跡を含む）を用いて、畳み込みニューラルネットワーク（CNN）を実装した。提案手法は、60,000件を学習用に、10,000件を検証用に使用した結果、実世界の手書き数字予測において98.51％の精度を達成し、学習時の損失は0.1％未満に抑えることに成功した。