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