基于离散hopfield神经网络的数字识别实现

基于离散hopfield神经网络的数字识别实现

ID:14807247

大小:39.50 KB

页数:9页

时间:2018-07-30

基于离散hopfield神经网络的数字识别实现_第1页
基于离散hopfield神经网络的数字识别实现_第2页
基于离散hopfield神经网络的数字识别实现_第3页
基于离散hopfield神经网络的数字识别实现_第4页
基于离散hopfield神经网络的数字识别实现_第5页
资源描述:

《基于离散hopfield神经网络的数字识别实现》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于离散Hopfield神经网络的数字识别实现摘要:介绍了离散hopfield神经网络的基本概念;以matlab为工具,根据hopfield神经网络的相关知识,设计了一个具有联想记忆功能的离散型hopfield神经网络,并给出了设计思路、设计步骤和测试结果。实验结果表明,通过联想记忆,对于带有一定噪声的数字点阵,hopfield网络可以正确地进行识别,且当噪声强度为0.1时的识别效果较好。关键词:离散;hopfield神经网络;联想记忆;数字识别中图法分类号:tp301.6文献标识码:a文章编号:1006-8

2、228(2012)03-01-03onnumericalrecognitionusingdiscretehopfieldneuralnetworkjincan1,2(1.schoolofinformationscienceandengineering,centralsouthuniversity,changsha,hunan410083,china2.moderneducationtechnologycenter,hunanuniversityofartsandscience)abstract:theauth

3、orintroducesinthispaperthebasicconceptofdiscretehopfieldneuralnetwork(dhnn),andthendesignsadiscretehopfieldneuralnetworkmodelwithassociativememoryfunctionusingmatlabaccordingtotherelatedknowledgeofdhnn.specifically,theauthorpresentstheideaofdesigning,design

4、ingprocedureandthetestingresults.thesimulationshowsthatdhnncancorrectlyrecognizethenumericaldotmatriceswithnoises.whennoiseintensityislessthan0.1,therecognitionabilityissatisfactory.keywords:discrete;hopfieldneuralnetwork;associativememory;numeralrecognitio

5、n1离散hopfield神经网络概述hopfield网络作为一种全连接型的神经网络,曾经为人工神经网络的发展开辟了新的研究途径。它利用与阶层性神经网络不同的结构特征和学习方法,模拟生物神经网络的记忆机理,获得了令人满意的结果。这一网络及学习算法最初是由美国物理学家j.jhopfield于1982年首先提出的,故称为hopfield神经网络[1]。hopfield最早提出的网络是二值神经网络,神经元的输出值只取1或-1,所以,也称离散hopfield神经网络(dhnn,discretehopfieldneura

6、lnetwork)。在离散hopfield网络中,所采用的神经元是二值神经元,因此,所输出的离散值1和-1分别表示神经元处于激活和抑制状态[2]。dhnn是一种单层、输出为二值的反馈网络。假设有一个由三个神经元组成的离散hopfield神经网络[3],其结构如图1所示[4]。在图1中,第0层仅仅作为网络的输入,它不是实际神经元,所以无计算功能;第1层是神经元,执行对输入信息与权系数的乘积求累加和,并经非线性函数f处理后产生输出信息。f是一个简单的阈值函数,如果神经元的输出信息大于阈值θ,那么,神经元的输出取值

7、为1;小于阈值θ,则神经元的输出取值为-1。图1离散hopfield神经网络结构对于二值神经元,它的计算公式如下:⑴式中,xj为外部输入,并且有⑵一个dhnn的网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络,其t时刻的状态为一个n维变量:⑶因为yi(t)(i=1,2,…,n)可以取值为1或-1,故n维向量y(t)有2n种状态,即网络有2n种状态。我们考虑dhnn的一般节点状态。用yj(t)表示第j个神经元,即节点j在时刻t的状态,则节点的下一个时刻(t+1)的状态可以求得:⑷⑸如果wij在i

8、-j时等于0,说明一个神经元的输出并不会反馈到其输入,这时,dhnn称为无自反馈的网络。如果wij在i=j时不等于0,说明一个神经元的输出会反馈到其输入端,这时,dhnn称为有自反馈的网络[4]。2联想记忆网络联想记忆是神经网络理论的一个重要组成部分,也是神经网络用于模式识别与人工智能等领域的一个重要功能。hopfield网络模拟了生物神经网络的记忆功能,也常常被称为联想记忆网络。所谓的联想记忆也成

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。