欢迎来到天天文库
浏览记录
ID:22279066
大小:51.00 KB
页数:5页
时间:2018-10-28
《基于bp网络分类和hopfield网络联想分类能力的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于BP网络分类和Hopfield网络联想分类能力的研究-->第一章引言1.1人工神经网络概念的提出人脑,众所周知,是非常智能的信息处理系统,是高级的神经中枢系统,也是人类认识踏足较少的的领域之一。很长时间,人们一直致力于对神经网络的研究,在对神经网络内部机制进一步加深了解的基础上,进一步了解人脑的工作原理,试图开发神经网络的更为智能的方面,以为各种实际问题提供方法。人工神经网络继承了大脑的某些功能,并且模仿大脑的功能,来处理信息。它的组成与大脑一样,是多个神经元。神经元通过权值连接,形成了神经网络,从而实现其庞大的逻辑运算功能。神经网络具有人工智能作用,在处理具有残缺结构或者结构中存在错误
2、成分的模式时有很好的作用,即使在信息源信息不确定或者不完整的情况下,仍然能够进行模式识别。这种系统能够进行联想记忆,也就是说,当信息不完整,网络仍然可以从部分信息中来获得全部正确信息。并且网络具有非线性型,当在模式特征空间的分界面很复杂时,网络还是能够进行识别分类。由于网络自身的的自适应、自学习功能,系统能从环境和输入中获取有效信息,修改网络的结构和连接强度,提高网络对各种信息的适应能力。而由于分布式存储和自组织性,使系统连接线即使在被破坏50%的情况下,仍能处在最优化工作状态,这在军事电子系统设备中有着举足轻重的意义。1.2人工神经网络的特点神经网络在很多方面都有应用,理论上,它可以应用到
3、你所能想到的各个领域。我们课题组的也有许多人在做信号处理,可以说信号处理是其很重要的一个应用。前面我们说过,神经网络的自学习能力和神经网络的自适应能力,这种神经网络自带的优势,使它变成一种信息处理的很好的工具,大多信号处理还是优先考虑神经网络。神经网络在处理连续时序模拟信号等方面有很大的优势。应用主要有谱估计[16]]、自适应滤波[17]、时序预测[18]等。神经网络其他应用也非常引人注目,像通信、弱信号检测等。总之,神经网络正以前所未有的优势应用于信号处理。…………第二章BP网络原理2.1BP网络模型与结构其中P表示输入,从图中可以看出这个网络有r个输入,共有q组这样的输入。1和M2不变性
4、保持的比较好,剩下的几个不变矩就对不变性的保持效果一般,误差也比较大,刻画图像的特征也就一般。所以,有学者认为,7个Hu矩都具有旋转、缩放和平移不变性的描述欠妥,其实只有有基于二阶矩的不变矩对二维物体的描述符合这条规律。(因为基于二阶矩的不变矩对二维物体的描述才是真正的具有M1和M2的Hu矩刚好都是由二阶矩组成的)。6.2二值字符的字符势能投影特征可以看出,两幅图片的不变距特征都是13维的向量,在识别时,我们要对这些数字进行归一化处理,当然,这很好实现,只需找到数组中的最大值和最小值,然后数组中的各个数字减去最小值,比商最大值就能归一化到[0,1]这个区间。可以看出,他们都是112维的向量,
5、其实通过我们介绍的字符势能,我们能看出势能提取的大小。然后,我们再以不变矩、势能以及求取的不变距的均值、方差等作为输入向量。用BP网络进行训练和仿真。在训练时,我们选取了200组图片,然后再以110组新的图片作为测试样本,进行识别。从上面的结果可以看出,有些数字的识别效果很好,像数字1、2、3、4、6、7、8、9、0识别正确率都很高,数字1、7、9的识别正确率都是100%,数字2、3、4、5、6、0的识别正确率也在80%以上,不过数字5的识别正确率很低,不到60%。主要是因为在输入的时候,数字5的输入不是很规范,而且数字5本身和数字3和8也哟一定得相似性,导致你误识。但是,经过特征提取,数字
6、总体的识别正确还是增加了很多,总体的识别正确-->率达到了86.36%。......第七章总结与展望1.本文研究了BP网络和Hopfield网络识别数字、字母、和手写体数字图片的记忆效果。其实Hopfield网络联想记忆能力很好,在汉字的识别方面效果也很好。BP网络和Hopfield的识别机理不一样,BP网络是一个非线性的映射,是输入和输出矢量建立的一种很复杂的而又是非线性的映射关系。而Hopfled网络是一个反馈网络,通过网络自身的权值调整,能达到输入等于输出这样一种稳定状态,正是由于网络的这种特性,所以它可以直接来识别一些损坏不完整的汉字、数字等。2.手写体数字的特征提取是一个相当复杂的
7、问题,这篇文章也只是涉足到这个领域中的一角。其实,在做特征提取时,可以先用自组织特征,因为它比较适合于做特征提,然后再映射成网络能识别的样本特征,这样特征就很明显了,便于识别,这时再用BP神经网络进行分类识别,提高了识别正确率。因为我们充分利用两种网络的优点。...............
此文档下载收益归作者所有