4基于Hopfield神经接网络噪声数字的识别.pdfVIP

2010 年第01 期，第43 卷 通 信 技 术 Vol.43，No.01,2010 总第217 期 Communications Technology No.217,Totally 基于Hopfield 神经网络噪声数字的识别 傅德胜， 张学勇 （南京信息工程大学计算机与软件学院，江苏 南京 210044） 【摘 要】噪声数字的识别具有很好的应用前景，也是后期处理的基础。基于离散Hopfield 神经网络的联想记忆能力, 通过改进神经网络的记忆样本, 再利用 Hebb 规则对改进的记忆样本进行学习，得到权值矩阵,根据待识别的噪声数字的信息 联想起记忆的数字。利用改进后的离散Hopfield 神经网络对噪声数字进行了识别的实验。实验结果表明，该方法提高了传统 网络的记忆能力和识别的正确率。 【关键词】噪声数字；离散Hopfield；正交化 【中图分类号】TP183 【文献标识码】B 【文章编号】1002-0802(2010)01-0126-03 Noise-Figure Identification Based on Hopfield Neural Network FU De-sheng， ZHANG Xue-yong （Computer and Software College, Nanjing University of Information Science Technology, Nanjing Jiangsu 210044, China） Abstract】Identification of the noise figure has a good application prospect and is also the basis for post-processing .Based on the associative memory ability of discrete Hopfield neural network, and by improving the memory sample and using Hebb rule to learn the improved memory sample, the weight value matrix is obtained, the noise figure would be identified according to the information of noise fingure. The identification experiment on noise figure by using the improved Hopfield neural network shows that the method improves the memory capability and the correct-identification rate of traditional network. Key words】noise figure; discrete Hopfield; orthogonalization 0 引言 N = (W, Q) ，式中权值矩阵为 W，阈值矩阵为Q，令Xi (t) [8] Hopfield 神经网络是一种重要的神经网络模型，可用于 表示神经元i 在时刻t 的状态,采用双极性函数得到 ： [1]