本站原创该文是参考文献专业神经网络论文范文，主要论述了神经网络有关毕业论文格式模板,与基于粗糙集理的智能销售系统设计相关论文范文，适合神经网络及大学学报及参考文献方面的的大学硕士和本科毕业论文以及神经网络相关开题报告范文和职称论文写作参考文献资料下载。
摘 要 ： 文章介绍了离散Hopfield神经网络的基本概念及其原理,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.首先提取照片的像素值,通过对照片的灰度处理,得到灰度像素矩阵.由于对单个字符进行识别的效果比多个字符整体识别的效果好,故对不同的字符进行分割,然后运用OSTU算法求得最佳阈值,通过数据替换得到该字符的二值矩阵.用原图片的二值矩阵作为训练样本,生成Hopfield神经网络.然后分别在不同噪声强度的情况下,以噪声图像的二值矩阵作为测试样本,观察网络的输出效果,并计算出相应的识别率.通过测试发现,噪声强度在较小范围0.1左右时,该网络可达到很好的识别效果,此时识别率接近1；随着噪声强度的增大,识别效果变差；当噪声强度达到0.4时,该网络已无法进行识别.
关 键 词 ： Hopfield神经网络； 二值矩阵； OSTU算法；识别率
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2013）21-4925-04
1.原理概述
1.1 Hopfield网络的拓扑结构
Hopfield最早提出的网络是二值神经网络,神经元的输出只取1和-1,所以也称离散神经网络（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.
5.结束语
本文在前人研究成果的基础上改进了对字符进行识别的算法,通过对大量随机图的仿真计算,最终的实验结果表明,离散型Hopfield神经元网络能有效地进行字符识别,并且识别速度快,自适应性能好,分辨率较高.通过实验验证,本算法达到了一定的识别率,能在实际生活中得到应用,但也存在一些缺点和不足,如对训练样本和识别样本有一定的限制（尽管是为了方便训练和识别）,且神经网络的设计方法在理论上还不是很完善,因此,还有待提取出新的方法,进一步提高识别率,识别系统的性能关键与瓶颈仍然在于字符识别的核心算法性能上,最终目标是研究零误识率和低拒识率的高速识别算法.当然,我们也可以把此神经网络的原理运用在其他的领域,以检验其算法的有效性.