基于神经网络的字母识别方法研究.pdfVIP

SCI-TECH INFORMATION DEVELOPMENT＆ECONOMY 2007年 第l 7卷 第3 1期 文章编号：1005—6033(2007)31—0194—02 收稿日期：2007—08—29 基才神经网络的字母识别方法研究 田建兵，郑 晟 (太原理工大学信息工程学院，山西太原，030024) 摘 要：利用Ho eld神经网络联想记忆的功能，对有噪声干扰的字母进行识别。 关键词：Hopfield神经网络；联想记忆；字母识别 中图分类号：TP391．43 文献标识码：A 传统的字母识别方法在有干扰的情况下不能很好地对字母进行识 整个网络有以下两种工作方式。 别．而离散型Ho eld神经网络具有联想记忆和优化计算的功能．并且 (1)异步方式或串行工作方式。在某一时刻只有一个神经元改变状 计算的收敛速度很快。本文利用它的这些特点对字母进行识别，并引入 态，而其余神经元的输出保持不变，这一变化的神经元可以按照随机方 干扰．通过仿真实验证实所设计的网络对于有噪声污染的字母同样具有 式或预定的顺序来选择。例如，变化的神经元为第i个，则有： 一 定的识别功能。 {l瓤( +1)刮 wcq(k)-Oi} ＼ … 』=l ／ 、叶， 1 Hopfield神经网络的原理 I ( +1) ( ) ≠ (2)同步方式或并行工作方式。在某一时刻有n．(On．≤n)个神经元 Hopfield神经网络是反馈式网络的一种，所有神经元单元都是一样 改变状态，而其余神经元的输出保持不变。变化的这一组神经元可以按 的．它们之间相互连接。从系统观点看．反馈网络是一个非线性动力学系 照随机方式或预定的顺序来选择。当m=n时，称为全并行方式。此时， 统．具有一般非线性系统动力学的许多性质。例如．稳定问题、各种类型 的吸引子以至混沌现象等，提供了人们可以从不同方面来利用这些复杂 ／ ＼ xi(k+1)卅 w西( )一 }，(f=1．2．…，n) (5) 性质以完成各种复杂计算功能。在H0 eld网络中．连续系统和离散系 ＼』= l f 统之间的主要区别是取决于用微分方程模型．还是用差分方程模型来进 上述同步计算方式也可以写成如下的矩阵形式： 行描述。离散Hopfield网络的神经元变换函数为符号函数，网络的节点 x(k+1) ( )一日) (6) 状态仅仅取两值+l，一l(或+1．0)；连续网络的神经元变换函数为单调上 2．2 离散