Hopfield网络对手写体数字识别的改进方法_第1页
Hopfield网络对手写体数字识别的改进方法_第2页
Hopfield网络对手写体数字识别的改进方法_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、Hopfield网络对手写体数字识别的改进方法DOI：1 引言神经网络是应用很广的一门学科，是因为其有着自身的优越性：神经网络是自适应的1 ，它能从数据中自动地学习到解决问题的知识。神经网络具有容错性2 ，既能够处理与训练集中相同的数据，又能够处理不完整的数据。神经网络能够获取系统中复杂输入变量的相互关系。神经网络的识别方法可以看成是一种介于统计模式识别3 与结构模式识别 4 之间的方法，既具有统计模式识别的优点，又吸收了结构模式识别的长处。Hopfield神经网络的一个很重要的网络，本文主要研究其在手写体数字识别方面的作用。2 离散 Hopfield网络2.1离散 Hopfield网络的工作

2、原理Hopfield 网络是单层全反馈网络 5 。根据激活函数的不同，可分为离散型 Hopfield 网络和连续性 Hopfield 网络。本文用的是离散型 Hopfield 网络。它的激活函数为二值性函数，即ai=sgn （ ni ）， i=1 ，2， r 。输入输出为0 ， 1的网络，主要用于联想记忆。该网络为单层全反馈网络，所以每个神经元的输入和其他神经元的输出是相连的，所以，其输入数目和神经元的输出数目是相等的。即输入和输出都有 s 个。2.2离散 Hopfield网络的海布学习规则5在离散 Hopfield网络的训练过程中，运用的是海布调节规则：当神经元输入与输出节点的状态相同（即同

3、时兴奋或抑制）时，从第j 个神经元到第i 个神经元之间的连接强度增强，否则减弱。海布规则是一种无指导的学习算法。3 图片处理过程以及识别结果本文所用的手写体都是在 XP系统的画板里面输入的，且数字的像素是28×28，也就是说， 每个手写体数字都是一个 28×28 的矩阵。 3.1 图片处理前当我们不对图片进行处理的时候，用离散Hopfield网络，我们给出网络对手写体数字识别的正确情况。从上表可以看出，识别结果并不理想。数字3、8、9 不能被识别， 2、 3、0 的识别正确率也只有20%。3.2图片处理后本文中，这些手写体图片都是在电脑XP系统的画图工具人为输入的。图像的大小都是28×28。由于输入时，图片在所输入区域位置不一样，图片本身的大小也不一样，而这对识别的结果的好坏有直接的影响。所以，本文就这两方面做了改进。具体的做法是，先提取图片数字的边缘，即数字的最左、最右、最上、最下的边界点，这样我们就把图片中有数字的区域提取了出来，之后把提取的部分扩大成我们定义的标准尺寸。然后将扩大后的图片放在我们固定大小的模板上。这样经过处理后，图片的数字都在一定区域内。而且图片并不失真。对图片进行中心归一化后，我们用已经训练好的Hopfield网络检验识别情况，识别结果若下表4 结论我们对比表1 和表 2，可

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论