基于Hopfield的数字识别教程(MATLAB优化算法案例分析与应用PPT课件)_第1页
基于Hopfield的数字识别教程(MATLAB优化算法案例分析与应用PPT课件)_第2页
基于Hopfield的数字识别教程(MATLAB优化算法案例分析与应用PPT课件)_第3页
基于Hopfield的数字识别教程(MATLAB优化算法案例分析与应用PPT课件)_第4页
基于Hopfield的数字识别教程(MATLAB优化算法案例分析与应用PPT课件)_第5页
已阅读5页,还剩9页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

MATLAB优化算法案例分析与应用基于Hopfield的数字识别

MATLAB优化算法案例分析与应用1Hopfield网络原理分析Hopfield网络是神经网络发展历史上的一个重要的里程碑。由美国加州理工学院物理学家J.J.Hopfield教授于1982年提出,是一种单层反馈神经网络。1984年,Hopfield设计并研制了网络模型的电路,并成功地解决了旅行商(TSP)计算难题(优化问题)。Hopfield网络是一种互连型网络,它引入类似于切Lyapunov函数的能量函数概念,在满足条件的情况下,某种“能量函数”的能量在网络运行过程中不断地减少,最后趋于稳定的平衡状态。对于一个非线性动力学系统,系统的状态从某一初值出发经过演变后可能有如下几种结果:渐进稳定点(吸引子)、极限环、混沌、状态发散。

因为人工神经网络的变换函数是一个有界函数,故系统的状态不会发生发散现象。目前,人工神经网络经常利用渐进稳定点来解决某些问题。如果把系统的稳定点视为一个记忆的话

MATLAB优化算法案例分析与应用1Hopfield网络原理分析,那么从初态朝这个稳定点的演变过程就是一个寻找记忆的过程。如果把系统的稳定点视为一个能量函数的极小点,而把能量函数视为一个优化问题的目标函数,那么从初态朝这个稳定点的演变过程就是一个求解该优化问题的过程。因此,HoPfield神经网络的演变过程是一个计算联想记忆或求解优化问题的过程。实际上,它的解决并不需要真的去计算,而是通过构成反馈神经网络,适当地设计其连接权和输入就可以达到这个目的。Hopfield神经网络模型是一种循环神经网络,从输出到输入有反馈连接。在输入的激励下,会产生不断的状态变化。对于一个Hopfield网络来说,关键是在于确定它在稳定条件下的权系数。反馈网络有稳定的,也有不稳定的。对于Hopfield网络来说,如何判别其稳定性也是需要确定的。

MATLAB优化算法案例分析与应用2Hopfield数字识别表26-1人工神经网络应用领域

MATLAB优化算法案例分析与应用2Hopfield数字识别Hopfield神经网络模型如图26-1所示,它是一种循环神经网络,从输出到输入有反馈连接,通过不断的调整权值,使得系统能量函数不断的趋向于最小,达到系统收敛的目的。

MATLAB优化算法案例分析与应用2Hopfield数字识别2.1离散Hopfield网络(DHNN)对于离散Hopfield网络(DHNN)而言,神经元的输出只取1和0,分别表示神经元处于激活和抑制状态。对于二值神经元,它的计算公式如下:一个DHNN的网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络,其t时刻的状态为一个n维向量:

MATLAB优化算法案例分析与应用2Hopfield数字识别2.1离散Hopfield网络(DHNN)如果Hopfield网络是一个稳定网络,若在网络的输入端加入一个输入向量,则网络的状态会产生变化,如图26-2所示,即从超立方体的一个顶点转向另一个顶点,并且最终稳定于一个特定的顶角。

MATLAB优化算法案例分析与应用2Hopfield数字识别2.2连续Hopfield网络对于连续Hopfield网络(CHNN)而言,拓扑结构和DHNN的结构相同。不同之处在于其函数g不是阶跃函数,而是S形的连续函数。一般取:MATLAB工具箱Hopfield网络函数形式如下:

MATLAB优化算法案例分析与应用2Hopfield数字识别2.3基于DHNN的数字识别用离散Hopfield网络,使其具有联想记忆功能,能正确识别阿拉伯数字,当数字被噪声污染后仍可以正确地识别。假设网络由0-9共10个稳态构成,每个稳态由10x10的矩阵构成,该矩阵用于模拟阿拉伯数字点阵。即将数字划分成10x10方阵,有数字的部分用1表示,空白处用-1表示。图26-4数字点阵

MATLAB优化算法案例分析与应用2Hopfield数字识别2.3基于DHNN的数字识别图26-5离散Hopfield网络算法设计流程图

MATLAB优化算法案例分析与应用2Hopfield数字识别2.3基于DHNN的数字识别%数字1one=[-1-1-1-111-1-1-1-1;-1-1-1-111-1-1-1-1;...-1-1-1-111-1-1-1-1;-1-1-1-111-1-1-1-1;...-1-1-1-111-1-1-1-1;-1-1-1-111-1-1-1-1;...-1-1-1-111-1-1-1-1;-1-1-1-111-1-1-1-1;...-1-1-1-111-1-1-1-1;-1-1-1-111-1-1-1-1];ONE=imresize(one,20);subplot(2,5,2)imshow(ONE)

MATLAB优化算法案例分析与应用2Hopfield数字识别2.3基于DHNN的数字识别

MATLAB优化算法案例分析与应用2Hop

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论