离散Hopfield神经网络的联想记忆—

离散Hopfield神经网络的联想记忆——数字识别

%% 清空环境变量
clear all
clc%% 数据导入
load data1 array_one
load data2 array_two%% 训练样本（目标向量）T = [array_one;array_two]';%% 创建网络net = newhop(T);%% 数字1和2的带噪声数字点阵（固定法）
load data1_noisy noisy_array_one
load data2_noisy noisy_array_two%% 数字1和2的带噪声数字点阵（随机法）% noisy_array_one=array_one;
% noisy_array_two=array_two;
% for i = 1:100
%     a = rand;
%     if a < 0.3
%        noisy_array_one(i) = -array_one(i);
%        noisy_array_two(i) = -array_two(i);
%     end
% end%% 数字识别% 单步仿真——TS = 1(矩阵形式)
% identify_one = sim(net,10,[],noisy_array_one');
% 多步仿真——元胞数组形式
noisy_one = {(noisy_array_one)'};
identify_one = sim(net,{10,10},{},noisy_one);
identify_one{10}';
noisy_two = {(noisy_array_two)'};
identify_two = sim(net,{10,10},{},noisy_two);
identify_two{10}';%% 结果显示
Array_one = imresize(array_one,20);
subplot(3,2,1)
imshow(Array_one)
title('标准(数字1)')
Array_two = imresize(array_two,20);
subplot(3,2,2)
imshow(Array_two)
title('标准(数字2)')
subplot(3,2,3)
Noisy_array_one = imresize(noisy_array_one,20);
imshow(Noisy_array_one)
title('噪声(数字1)')
subplot(3,2,4)
Noisy_array_two = imresize(noisy_array_two,20);
imshow(Noisy_array_two)
title('噪声(数字2)')
subplot(3,2,5)
imshow(imresize(identify_one{10}',20))
title('识别(数字1)')
subplot(3,2,6)
imshow(imresize(identify_two{10}',20))
title('识别(数字2)')

完毕

离散Hopfield神经网络的联想记忆——数字识别相关推荐

如何利用离散Hopfield神经网络进行数字识别（2）
如何利用离散Hopfield神经网络进行数字识别
如何利用离散Hopfield神经网络进行数字识别（1）
如何利用离散Hopfield神经网络进行数字识别,代码部分.
MATLAB实战系列（三十六）-MATLAB 离散Hopfield神经网络的分类——高校科研能力评价
前言离散型Hopfield神经网络不仅具有联想记忆的功能,还可以应用于解决分类问题. 文中涉及代码请参见 matlab神经网络源码集锦- 离散Hopfield神经网络的分类--高校科研能力评价以下 ...
如何利用离散Hopfield神经网络进行高校科研能力评价(2)
如何利用离散Hopfield神经网络进行高校科研能力评价,应用部分
如何利用离散Hopfield神经网络进行高校科研能力评价(1)
如何利用离散Hopfield神经网络进行高校科研能力评价(1)代码部分
tensorflow应用：双向LSTM神经网络手写数字识别
tensorflow应用:双向LSTM神经网络手写数字识别思路 Python程序1.建模训练保存 Tensorboard检查计算图及训练结果打开训练好的模型进行预测思路将28X28的图片看成2 ...
前馈神经网络手写数字识别
前馈神经网络手写数字识别今天就来说说手写数字识别,我们上课的时候老师要求我们使用前馈神经网络和卷积神经网络两种神经网络实现手写数字识别.做一下这两个实验还真的挺有意思啊. 举个例子,识别图片中的 : ...
特征匹配实现印刷体数字识别，卷积神经网络实现印刷体数字识别
特征匹配实现印刷体数字识别,卷积神经网络实现印刷体数字识别(很可靠) 1.印刷体数字识别(特征匹配) 1.首先需要了解为什么印刷体数字识别我使用的是特征匹配的方法,我起初也走了很多的坑,当初固执的识别 ...
并行化实现基于BP神经网络的手写体数字识别
并行化实现基于BP神经网络的手写体数字识别手写体数字识别可以堪称是神经网络学习的"Hello World" ,我今天要说的是如何实现BP神经网络算法的并行化,我们仍然是以手写体数 ...
Python纯手动搭建BP神经网络--手写数字识别
1 实验介绍实验要求: 实现一个手写数字识别程序, 如下图所示, 要求神经网络包含一个隐层, 隐层的神经元个数为 15. 整体思路:主要参考西瓜书第五章神经网络部分的介绍,使用批量梯度下降对神经网络 ...

离散Hopfield神经网络的联想记忆——数字识别

离散Hopfield神经网络的联想记忆——数字识别

离散Hopfield神经网络的联想记忆——数字识别相关推荐

最新文章

热门文章