基于Hopfield神经网络的汉字识别
传统的汉字识别方法有基于BP神经网络的、有基于CHNN的、还有基于布尔神经网络(BNN)的。我们在考虑汉字的点阵式显示方式后决定采用离散Hopfield神经网络进行模拟识别。采用离散Hopfield神经网络比采用其他识别技术的主要优势有：采用联想记忆识别力强、神经网络层数少、结构简单,易于扩张、易于生成汉字等。在本系统中,笔者将“学院”两个字分别用7 × 9的矩阵表示出来,并将其转化为计算用的1×63的向量。按照Hopfield神经网络理论的权值矩阵计算公式编程模拟HEBB学习法则并将带噪音的字体植入网络并更新各神经元的权值直至各神经元全部收敛后将无噪音的字体输出。本文在理解离散Hopfield神经网络(DHNN)原理的基础上通过MATLAB软件直接编程模拟DHNN的结构算法,从而完成汉字的识别。
学习法则 神经网络 汉字识别 结构算法
叶茂锹 周武能 杨翠萍
东华大学信息学院模式识别与智能系统专业上海, 201620 东华大学信息学院控制理论与控制工程专业,上海 201620 东华大学信息学院模式识别与智能系统专业,上海 201620
国内会议
上海
中文
86-87,151
2007-09-24（万方平台首次上网日期，不代表论文的发表时间）