基于离散Hopfield神经网络的噪声数字识别

来源 :计算机科学 | 被引量 : 0次 | 上传用户:xiaoshen1984
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在Hebb学习规则的基础上,运用离散Hopfield神经网络的联想记忆能力,对含有噪声而产生畸变的0~9数字进行了识别。通过改进神经网络的记忆样本,即先对记忆样本做正交化处理,再对改进后的记忆样本进行学习,得到相应的权值矩阵,然后利用改进后的离散Hopfield神经网络根据待识别噪声数字的信息联想已记忆的数字。实验结果表明,改进后的神经网络对噪声数字有较好的识别效果,提高了记忆能力和识别的正确率。
其他文献
为了优化多中继协作通信系统的性能,提出了一种多中继混合转发协作传输策略(Multiple-Relay Hybrid -Forwarding Cooperative Transmission Scheme,MRHF-CTS)。该策略考虑多中继
针对有限域上计算离散对数的困难,提出了一种新的身份认证与密钥协商安全协议——PJY。PJY安全协议通过两次握手就可以验证通信双方的身份,同时产生对等的会话密钥。采用串空间
随着高性能、低功耗芯片的发展,多时钟域和跨时钟域(Clock Domain Crossing,CDC)设计越来越多,CDC设计和验证越来越重要。阐述了5种常用的同步器设计模板。验证方法提出了层次
大本体规模过大,使得本体间映射复杂。针对已有方法在分块上的不足,提出一种基于模块抽取的大本体分块映射方法。通过建立本体依赖图的拉普拉斯矩阵来抽取本体模块,计算模块
网格系统采用委托授权有效地解决了分布状态下的授权问题,但其动态变化将打破委托授权模式下不同安全域间访问权限的全局一致性。为解决该问题,采用了一种基于策略的自动协商机
最近几年,计算机体系迈向多处理器结构道路。然而,冯诺曼机器主导的多核结构,令我们处在存储墙错误的一面。地址参数引入的冗余,降低了处理器的效率,成为图灵-冯诺曼模型的致
以web服务组合为研究对象,重点讨论了服务组合中异步通信行为和时间属性的形式化描述和验证。首先,从软件体系结构角度分析web服务组合,采用基于时序逻辑的XYZ/ADL描述web服务的
考虑新旧数据对预测效果具有不同影响,对原始数据建立了一种改进的滑动平均预处理方法。在此基础上,通过引入遗忘因子对新旧数据进行不同加权,提出了渐消记忆离散GM(1,1)模型。
自组织机制是可以解释许多系统形成的原因之一。为了模拟现实世界中的网络形成,在自组织网络模型的基础上引入局域世界的概念,提出了一种网络演化模型。讨论了该模型的聚簇系
针对当前图像库存在的图像语义内容不完整、缺乏统一描述标准、图像存储独立于DBMS而无法保证数据安全等问题,融合图像颜色、纹理、形状等低层特征、中层对象及高层情感,确定