需要金币:2000 个金币 | 资料包括:完整论文 | ||
转换比率:金额 X 10=金币数量, 例100元=1000金币 | 论文字数:13038 | ||
折扣与优惠:团购最低可5折优惠 - 了解详情 | 论文格式:Word格式(*.doc) |
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 |