基于hopfield神经网络的噪声字母识别

《基于hopfield神经网络的噪声字母识别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果基于Hopfield神经网络的噪声字母识别摘要人工神经网络是对人脑功能的某些程度的反映，具有自适应和自学习的能力，可通过对模式样本的自学习，从中获取特征，并能将学习获得的知识应用到图像、文字等识别中。本文采用Hopfield神经网络进行英文字母识别，仿真结果表明，该方法能有效地对含噪声的英文字母进行识别。在相同的白噪声模型下，该方法在噪声均方差稍小时,其容错能力比起Back

2、Propagation网络方法有一定的增强。关键词Hopfield神经网络，模式识别，目标向量。1引言近年来，神经网络的应用取得了令人瞩目的进展，其中模式识别(Patternrecognition)是神经网络应用最早也最广泛的领域之一，从最早的感知器到文字识别等，都是神经网络应用于模式识别的例子[1]。在传统的统计方法中，模式识别是将样本的特征向量和每个模式类别的特征向量进行比较，然后将样本归到离其最近的模式类别中。而神经网络是模仿人脑的工作机制，用大量简单的计算课题份量和难易程度要恰当，博士生能在二年内

3、作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果单元连成网络，进行并行计算，并能存储大量的经验知识的计算模型。利用神经网络来进行模绞侗穑唤隹筛菅窘醒埃善识别能力，而且不需要对模式分布进行一些统计上南妊榧偕瑁商岣咦允视π浴Ｗ址侗鹗悄Ｊ绞侗鸬囊桓龇种В淙挝袷茄芯咳绾问辜扑慊芄皇侗鹱址Ｄ壳捌毡椴捎肂ackPropagation神经网络进

4、行字符识别[2]，但由于BP网络存在训练时间较长、很容易陷入局部最小值等不足，尽管采用一些改进的算法可以较好的解决某些实际问题，可在设计过程中往往都要经过反复的试凑和训练过程，无法严格保证每次训练时BP算法的收敛性和全局最优性。与此相比，Hopfield神经网络不需要反复的试凑，因为此网络已被证明是收敛的，而且是能量函数E-收敛的[3]。它是一种具有记忆功能的反馈型神经网络，其中学习和识别过程可以分别地独立进行。本文利用Hopfield神经网络进行字符识别，并与BP网络方法的实验结果进行比较。Hopfie

5、ld神经网络Hopfield神经网络的结构如图1所示[4]，其中R1是输入矢量的维数，S1是神经元的个数，输入P作为网络的初始状态，当网络根据输入得到输出后，该输出将被反馈到输入端，成为新的输入，如此反复，通过对网络权值和阈值的调整，直到网络的输出稳定为止。该网络的所有神经元都是一样的，它们之间相互连接。从系统观点看，该网络的演变过程是一个非线性动力学系统，可以用一组非线性差分方程或微分方程来描述。系统的稳定性可用“能量函数”进行分析课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出

6、结果，特别是对实验条件等要有恰当的估计。从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果。在满足一定条件的情况下，“能量函数”的能量在网络运行过程中不断地减少，最后趋于稳定平衡状态。一个非线性动力学系统具有许多性质，例如稳定问题，各种类型的吸引子以至混沌现象等，利用这些特性可以完成各种复杂的计算。图1Hopfield神经网络结构Hopfield神经网络的应用形式有联想记忆和优化计算两种。其中联想记忆是指当网络输入某个矢量

7、后，网络经过反馈演化，从网络输出端得到另一个矢量，这样输出矢量称作网络从初始输入矢量联想得到一个稳定记忆，即网络地一个平衡点。优化计算是指当某一问题存在多种解法时，可以设计一个目标函数，得到寻求满足这一目标函数的最优解法。本文将采用联想记忆的形式进行英文字母识别。基于Hopfield神经网络的字母识别在Hopfield网络中，有离散和连续两种系统。其中离散Hopfield网络的神经元变化函数为符号函数，网络节点状态只取两个值+1、-1，它在模式识别中常用作联想记忆。从动力学的观点，如果网络节点的初始状态为

8、X(0)，连接权值为Wij，当其运行t步后处于状态X(t+1)即由于能量函数E是有界的，系统最终必定是要达到某个稳定的状态，或者是在某几个状态绕行，这些状态就是非线性动力学系统的吸引子，即能量函数的局部最小点。Hopfield网络用于联想记忆时分为两个阶段：学习阶段和联想阶段。学习阶段的任务是：给定，按照Hebb学习规则调整权Wij，使得存储样本成为系统的吸引子。联想阶段的任务是：在上述Wij课题份量和难易程度要恰当，博士生能