基于Hopfield神经网络识别0~9(5)

固定噪声的数字识别：（以被污染的2为例）

带噪声的样

本

第1仿真结

果

第2仿真结

果

第3仿真结

果第4仿真结

果第5仿真结果

结果分析：

本文对被污染的数字0-9都进行了实验，无论是带随机噪声还是固定噪声，训练过的Hopfield网络在仿真3次后都能被识别出来。由于用来训练网络的各个样本并不是严格地正交，不符合Hopfield网络联想记忆的条件，当数字在噪声的污染下失真很严重时，Hopfield网络识别会出现偏差。

改进方法：

当输入的训练样本不满足相互正交的条件时，可以在网络训练时，通过修改连接权值，使网络达到稳定状态，这样的话，Hopfield网络可以训练样本不是相互正交时也可以达到稳定状态，训练后的网络可以很好地识别带噪声的数字。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于Hopfield神经网络识别0~9(5)在线全文阅读。