基于Hopfield神经网络的联想记忆.docx

  • 需要金币2000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-09-16
  • 论文字数:13038
  • 当前位置论文阅览室 > 论文模板 > 论文综述 >
  • 课题来源:(无悔青春)提供原创文章

支付并下载

摘要:数字识别是组成字符识别、模式认知的一个重要的部分,带干扰的数字识别是后期一系列处理的基础,它在汽车牌照识别、分拣邮件、处理财务税收和金融等大量的数据统计中具有非常重要的现实意义。使用识别系统,而不是手动输入数字和分辨,可以大幅度节约时间和企业成本,是多年来引人注目研究热点。

本论文通过设计一个离散Hopfield神经网络,利用其联想记忆的功能来完成数字识别。我们把记忆的样本设为十个标准数字,选择残缺、变形和随机噪声三种方式来添加干扰项,分别采用外积法、MATLAB自带函数和正交化权值的三种设计方式来设置权值,并把测试样本在恢复过程中的每一次变化反映出来,以便更直观的了解联想过程。总的来说是在离散Hopfield神经网络中,记忆学习标准的数字样本,然后在网络中测试畸变污损的数字矩阵,依据等待辨认的数字信息回忆起网络学习的数字。结果证明,在可接受的干扰范围内,输入数字能有效地得到识别,网络的联想记忆能力得到体现。

 

关键词:Hopfield神经网络,联想记忆,正交化,数字识别,外积法

 

目录

中文摘要

Abstract

第一章 前言-3

1.1 联想记忆概述-3

1.2 神经网络和联想记忆的现状-3

1.3神经网络和联想记忆的应用-4

1.4 本设计的主要内容-5

第二章 离散Hopfield神经网络-7

2.1人工神经网络-7

2.2 离散Hopfield网络(DHNN)-7

2.2.1DHNN的概念-7

2.2.2 DHNN的结构-8

2.2.3 DHNN的工作方式-9

2.3 DHNN联想记忆-10

2.4 DHNN的记忆容量-11

2.5 DHNN稳定性-11

第三章 联想记忆的设计和实现-13

3.1 开发环境介绍-13

3.2 数字识别流程-13

3.2.1 建立记忆样本-14

3.2.2设计网络的权值矩阵-15

3.2.3 干扰项添加-16

3.2.4迭代恢复-17

第四章 实验结果及分析-19

4.1 残缺数字识别结果-19

4.2 随机噪声数字识别结果-21

4.3 变形数字识别结果-24

第五章 总结与展望-26

5.1 总结-26

5.2 展望-26

参考文献-28

致 谢-30