【利用改进的Holographic记忆和Hamming网模型进行手写体汉字识别的研究】邓达.pdf

Seek Simplicity,and distrust it AlifredNorthWhitehead 第I页华南理工大学学位论文稿纸

摘要本文讨论了神经网络的联想记忆功能及其在模式识别中的应用前景,具体分析了HolographicMemory和Hamming Net两种联想记忆模型,并根据人类记忆对于特征信息的依赖性,我们引入自适应特征提取的机制改造原有的联想记忆模型,提高记忆构造的灵活性和记忆的可靠性,以期应用于模式识别任务.作为模拟我们构造了一个汉宇识别实验系统。该系统在传统的汉字字型结构分析基础上进行特征提取,再利用联想记忆网络完成特征的学习记忆,和最终的识别任务。最后的识别网络构成是一个具有提高了收致速度,有两个记忆层的Hamming网。

果‘。如果u“=y‘,称为自联想记忆,否则就称为异联想记忆.显然联想记忆模型的算法势必包含两个阶段:模式的学习、存储,模式的回忆、恢复.自联想记忆模型的最具开创性的工作是由Hopfie1d在八十年代早期完成的。原始的Hopfield网(Ref.8])是由一个无自反馈的二值化神经元组成的全连接网络,其记忆是通过设置一个对角线元素为0的整数对称矩阵形成的。这个模型虽然得到了大量的研究和改进,实际应用的结果表明其有效记忆容量相对于最初的0N(N为网络中神经元个数)的实际指标并无太大的提高.Hopfie1d网后来由B.