【用Hopfield网络模型改进感知机的性能及其光学实现设想】乌拉雷法亚.pdf
吉林工业大学研究生毕业论文 本文首先介绍了神经网络的发展状况,接着阐述了神经网络中 几种典型的模型。然后详细地说明了论文要涉及到的两种典型模型 既感知机模型和Hopfield模型的各种优点和局限性。在之后又介 绍了神经网络的光学实现方法。鉴于感知机在识别分类功能中具有 去噪音功能差,只能对线性等简单情况进行分类的局限性,文章提 出了利用Hopfield模型中联想记忆功能、去噪音能力强和易于光 学实现等优点提出改进感知机的上述功能局限性的设想。
吉林工业大学研究生毕业论文 formed.The first set of experiments employed the use of percep-tron model alone.The outputs obtained have a lot of errors and the patterns were not clearly classified.The second set of experi-mentsemployed theuseofHopfieldmodel andperceptronmodel in combination(animprovedPerceptron
吉林工业大学研究生毕业论文 第一章神经网络概述 1一1神经网络的发展 大脑是由在约10-10个神经元组成,每一个神经元有10一 10个突触,神经元有着相似的结构.每个细胞体有大量的树突(即输入端)和轴突(即输出端),不同神经元的轴突与树突互连(结合部)即为突触,它决定了神经元之间的连接强度和作用性质,而每个神经元胞体本身则是一非线性输入/输出单元,其非线性特 性可用國值型、分段线性型和Sigmoid型函数近似.神经网络即是由大量神经元依一定结构互连而成,以完成不同 智能信息处理任务的一大规模非线性动力系统。