基于Hopfield神经网络的噪声字母识别(1)(2)
2015-03-27 01:02
导读：，按照Hebb学习规则 （2） 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 已调整好的情况下，对于给定残缺不全或者受到干
，按照Hebb学习规则
（2） 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已调整好的情况下，对于给定残缺不全或者受到干扰的信息，令其作为联想关键字，按照动力学规则变化神经元的状态，使得最终的稳态成为动力学的吸引子。利用神经网络进行字符识别，实际上是通过训练神经网络，使其能够根据字符的特征输入得到期望目标矢量的过程。然而，在实际识别过程中，字符的特征输入矢量中可能会混入噪声，应使网络具备一定的抑制噪声的能力。本文采用MATLAB编程语言，使用其神经网络工具箱提供的网络创建函数建立一个Hopfield神经网络，其中目标矢量
T的元素必须是 1或-1。因此，在英文字母的识别过程中，每个目标向量代表一个字母，可以通过以下的准则进行目标向量的设置：字母从A到Z依次排列，共有26个对应位置，每个字母在其对应位置的值为1，而其他位置的值为-1。例如字母A、B的目标向量分别为
T_A=[1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]T，
T_B=[-1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]T，其共2页: 1 [2] 下一页 论文出处(作者):
基于椭圆曲线的数据加密通信的实现
基于小波分解的灰度水印嵌入方案
