基于离散Hopfield神经网络的数字识别实现.docVIP

基于离散Hopfield神经网络的数字识别实现 摘 要： 介绍了离散hopfield神经网络的基本概念；以matlab为工具，根据hopfield神经网络的相关知识，设计了一个具有联想记忆功能的离散型hopfield神经网络，并给出了设计思路、设计步骤和测试结果。实验结果表明，通过联想记忆，对于带有一定噪声的数字点阵，hopfield网络可以正确地进行识别,且当噪声强度为0.1时的识别效果较好。 关键词： 离散； hopfield神经网络； 联想记忆； 数字识别 中图法分类号：tp301.6 文献标识码：a 文章编号：1006-8228（2012）03-01-03 on numerical recognition using discrete hopfield neural network jin can1,2 （1. school of information science and engineering, central south university, changsha, hunan 410083, china 2. modern education technology center, hunan university of arts and science） abstract: the author introduces in this paper the basic concept of discrete hopfield neural network (dhnn), and then designs a discrete hopfield neural network model with associative memory function using matlab according to the related knowledge of dhnn. specifically, the author presents the idea of designing, designing procedure and the testing results. the simulation shows that dhnn can correctly recognize the numerical dot matrices with noises. when noise intensity is less than 0.1, the recognition ability is satisfactory. key words: discrete； hopfield neural network； associative memory； numeral recognition 1 离散hopfield神经网络概述 hopfield网络作为一种全连接型的神经网络，曾经为人工神经网络的发展开辟了新的研究途径。它利用与阶层性神经网络不同的结构特征和学习方法，模拟生物神经网络的记忆机理，获得了令人满意的结果。这一网络及学习算法最初是由美国物理学家j.j hopfield于1982年首先提出的，故称为hopfield神经网络[1]。 hopfield最早提出的网络是二值神经网络，神经元的输出值只取1或-1，所以，也称离散hopfield神经网络(dhnn, discrete hopfield neural network)。在离散hopfield网络中，所采用的神经元是二值神经元，因此，所输出的离散值1和-1分别表示神经元处于激活和抑制状态[2]。 dhnn是一种单层、输出为二值的反馈网络。假设有一个由三个神经元组成的离散hopfield神经网络[3]，其结构如图1所示[4]。 在图1中，第0层仅仅作为网络的输入，它不是实际神经元，所以无计算功能；第1层是神经元，执行对输入信息与权系数的乘积求累加和，并经非线性函数f 处理后产生输出信息。f是一个简单的阈值函数，如果神经元的输出信息大于阈值θ，那么，神经元的输出取值为1；小于阈值θ，则神经元的输出取值为-1。 图1 离散hopfield神经网络结构 对于二值神经元，它的计算公式如下： ⑴ 式中，xj为外部输入，并且有 ⑵ 一个dhnn的网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络，其t时刻的状态为一个n维变量： ⑶ 因为yi（t）(i=1,2，…，n)可以取值为1或-1，故n维向量y(t)有2n种状态，即网络有2n种状态。 我们考虑dhnn的一般节点状态。用yj(t)表示第j个神经元，即节点j在时刻t的状态，则节点的下一个时刻(t+1)的状态可以求得： ⑷ ⑸ 如果wij在i-j时等于0，说明一个神经元的输出并不会反馈到其输入，