离散Hopfield神经网络的手写数字识别研究

• 作者: 张力 段法兵 段玲玲 潘园园
• 来源期刊: 复杂系统与复杂性科学
• 学科: 地球科学
• 关键词: 离散Hopfield神经网络 数字图像识别 误码率 随机共振
• 年，卷（期）: 2018,（1）
• 页码范围: 75-79
• 页数: 5页
• 分类号: TN911.7|N945.12
• 字数: 2798字
• 语种: 中文
• DOI: 10.13306/j.1672-3813.2018.01.011

摘要

利用离散Hopfield神经网络对手写数字识别进行了研究.将受到噪声污染的手写数字储存为二值图像,然后调制成二进制信号通过神经网络进行传输,通过给定权矩阵的Hopfield神经网络进行按址存储,将网络输出的内容再映射为数字图像.实验结果表明:数字图像识别的误码率与调制信号的幅值、码间时间间隔和网络神经元耦合个数成负相关关系,而且随着噪声强度的增加,误码率出现非周期随机共振现象,在一非零最优噪声强度值达到最小,此时数字图像也恢复得更加清晰.这些结果为进一步研究最小误码率优化目标下的Hopfield神经网络自适应权重矩阵提供了实验依据,而且对于神经网络联想记忆中随机因素的作用研究具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段法兵	青岛大学复杂性科学研究所	30	107	6.0	8.0
2	潘园园	青岛大学复杂性科学研究所	5	8	2.0	2.0
3	张力	青岛大学复杂性科学研究所	5	4	1.0	2.0
4	段玲玲	青岛大学复杂性科学研究所	1	3	1.0	1.0