基于LSSM算法的联想记忆网络在字符识别中的应用-论文.pdf

《基于LSSM算法的联想记忆网络在字符识别中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、网络天地·NetworkWorld基于LSSM算法的联想记忆网络在字符识别中的应用文／林青林辉用。2)_A=“．，t2．tN，，～．tN＼通过对比发现，LSSM用作联想记忆进3)．A=usV，K=rank(A)。行字符识别，容噪能力高、收敛速度快、识4)．up={U，U，⋯，U}，1={u，别正确率高，是十分成功的。在规模上相较UK+2)uN’}，‘“于传统的BP神经网络、在容量上相较于离散，：Hopfield网络都有巨大的优势。5)．Wt=Tp．T×T，It_~tN—w×tN3总结与展望W=exp(hxWt)本文将LSSM应用于字符识别，对该系u×lC1(

2、)。(K,N-K)xUrxlLO(N—K，K)C2×I(N一)J’统进行了深入的分析，通过定量实验展示了其其中C=exp(h)一1，C=一[exp(-xxh)一1]／容噪能力、收敛速度，充分说明其优越性。单T，h为采样频率，T为控制参数。【关键词】LSSM字符识别个字符的识别是模式识别的典型案例与本文识别的基础，因此LSSM在联想记忆的应用中将2字符识别具有广阔的前景。字符识别作为多种应用的基础与关键，本文采用ASCII码表中的阿拉伯数字、在将来的研究中，可以扩展LSSM的识如文本识别、车牌识别、证件识别等，对工业大小写英文字母，共62个模式。每个字符用别范

3、围，同时对倾斜字符和缺失字符的处理进生产与商业应用具有重要意义。在实际应用中8*8的图像表示，网络使用64个神经元，以行研究。除此之外，对算法的研究，有助于拓识别对象通常带有一定的噪声，因此要求识别{一1，1}作为记忆模式的神经元状态。展识别系统的硬件设计，使神经网络的处理能系统具有一定的容噪能力及处理速度。由于LSSM能处理连续值，我们正态分力在大规模并行处理器上得以施展。传统的字符识别的手段中主要有人工神布的随机噪声加入记忆模式进行检验。实验中经网络、模板匹配、特征识别、支持向量机等。选择均值为0，方差变化的噪声序列。因此方参考文献人工神经网络属于比较成

4、熟有效的工具，识别差代表了噪声水平。当两次输入相同时停止迭[1]牛慧娟，汪森霖．基于神经网络的带噪中使用最广泛的是BP神经网络，还有SOM、代，得出收敛速度与噪声水平的关系。当输出声英文字母和数字识别[J】．研究与开MLP、RBF等。BP为多层网络，通常需要提与记忆模式完全相同视作回忆正确，得出错误发，2008．取字符特征进行训练，训练速度较慢，干扰比率与噪声水平的关系。[2]许新征，曾文华．基于自组织特征映射较敏感，且容易陷入局部最小点。在处理加噪输入之前，应先检验网络是否神经网络的数字模式识别[J】．厦门大学LSSM应用于单层全互联网络，不需要对能够成功

5、记住记忆模式。实验表明，LSSM能学报，2005．字符进行特征提取，节约了训练时间。记忆模成功记住所有模式。用不同方差的的噪声向量[3】LiJH，Miche1AN，PorodW．Ana1ysiS式为网络能量的最小值。具有较快的收敛速度。加入记忆模式中，将其作为网络的输入进行识andsyntheSiSofac1assofneura11LSSM算法介绍别。networks：1inearsystemsoperatingon所有记忆模式在在相同噪声水平下，进行ac1osedhypercube【J]．CircuitSand网络的输出将反馈至输入，形成动态系50次实验最

6、后取其错误率与收敛速度的均值，Systems，IEEETransactionsOn，1989，统并收敛于设计的渐进平衡点。LSSM是连续得到LSSM随噪声变化，网络识别效果的曲线。36(11)：1405—1422．系统，其对应的差分方程可直接用于离散的在噪声水平低于1的时候，LSSM能完全成功[4]LiJH，Miche1AN，PorodW．Ana1ysiSHopfield网络。识别所有模式，并且迭代步数基本均小于2OandsynthesiSofaclassofneura1系统的差分方程：t+1)=F(wx(c)+I)。步。当噪声水平大于1，时，网络出现错误，

7、networks：Variab1estructuresystemsX为神经元状态，激励函数。w表示连接神经且迭代步数上升。withinfinitegrain[J]．CircuitSand元的权值，I代表神经元的阈值。F()为激励函在研究了LSSM识别相关字符后，再对SyStems，IEEETransactionson，1989，数，表达式如下所示：比离散Hopfield网络的识别效果。在记忆6236(5)：713-731．f1>1个模式之后，对‘O’、‘A’、‘a’的回忆_厂(x)={一11I一1<一1情况如下，此时离散Hopfield已经不能正确记作者单位

8、LSSM设计步骤如下：忆模式，网络失效。鉴于容量问题