离散Hopfield神经网络的手写数字识别研究

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。