1导言
人工神经网络是在人类对其大脑神经网络知道了解的基础上人工结构的能够完成某种功用的神经网络。代写论文 它是理论化的人脑神经网络的数学模型，是依据仿照大脑神经网络结构和功用而树立的一种信息处理系统。因其自组织、自学习才能以及具有信息的分布式存储和并行处理，信息存储与处理的合一等特色得到了广泛的重视，现已开展了上百种人工神经网络。
一般来说，人工神经网络从结构上可分为两种:前向网络和反应网络。典型的前向网络有单层感知器、BP网络等，反应网络有霍普菲尔德网络等[1]。
人工神经网络现已被广泛使用于模式辨认、信号处理、专家系统、优化组合、智能操控等各个方面，其间选用人工神经网络进行模式辨认具有一些传统技术所没有的长处:杰出的容错才能[2j、分类才能、并行处理才能和自学习才能，而且其运转速度快，自适应功能好，具有较高的分辨率。单层感知器、BP网络和霍普菲尔德网络均能够用于字符辨认。
本文经过具体选用感知器网络、BP网络和霍普菲尔德反应网络对26个英文字母进行辨认的使用，经过试验给出各自的辨认犯错率，经过比较，能够看出这3种神经网络的辨认才能以及各自的优缺点。
2 字符辨认问题描绘与网络辨认前的预处理
字符辨认在现代日常日子的使用越来越广泛，比方车辆车牌主动辨认系统[3，4]，手写辨认系统[5]，办公主动化等等[6]。代写毕业论文 本文选用单层感知器、BP网络和霍普菲尔德网络对26个英文字母进行辨认。首先将待辨认的26个字母中的每一个字母都经过长和宽别离为7×5的方格进行数字化处理，并用一个向量表明。其相应有数据的方方位为1，其他方方位为O。图1给出了字母A、B和C的数字化进程，其间最左面的为字母A的数字化处理成果所得对应的向量为:IetterA~「00100010100101010001111111000110001〕’，由此可得每个字母由35个元素组成一个向量。由26个规范字母组成的输人向量被界说为一个输人向量矩阵alphabet，即神经网络的样本输人为一个35×26的矩阵。其间alphabet=[letterA，letterB，lettere，……letterZj。网络样本输出需求一个对26个输人字母进行区别输出向量，关于恣意一个输人字母，网络输出在字母对应的次序方位上的值为1，其他为O，即网络输出矩阵为对角线上为1的26×26的单位阵，界说target=eye(26)。
本文共有两类这样的数据作为输人:一类是抱负的规范输人信号;另一类是在规范输人信号中加上用MATLAB工具箱里的噪声信号，即randn函数。
3 辨认字符的网络规划及其试验剖析
3.1单层感知器的规划及其辨认作用
选取网络35个输人节点和26个输出节点，设置方针差错为0.0001，最大练习次数为40。规划出的网络使输出矢量在正确的方位上输出为1，在其他方位上输出为O。代写医学论文 首先用抱负输人信号练习网络，得到无噪声练习成果，然后用两组规范输入矢量加上两组带有随机噪声的输人矢量练习网络，这样能够确保网络一起具有对抱负输人和噪声输人分类的才能。网络练习完后，为确保网络能精确无误地辨认出抱负的字符，再用无噪声的规范输入练习网络，终究得到有才能辨认带有噪声输人的网络。下一步是对所规划的网络进行功能测验:给网络输人恣意字母，并在其上加人具有平均值从。~0.2的噪声，随机发生100个输人矢量，别离对上述两种网络的字母辨认犯错率进行试验，成果如图2所示。其间纵坐标所表明的辨认犯错率是将实践输出减去希望输出所得的输出矩阵中所有元素的绝对值和的一半再除以26得到的;虚线代表用无噪声的规范输人信号练习出网络的犯错率，实线代表用有噪声练习出网络的犯错率。从图中能够看出，无噪声练习网络对字符进行辨认时，当字符一呈现噪声时，该网络辨认马上呈现过错;当噪声均值超越0.02时，辨认犯错率急剧上升，其最大犯错率到达21.5%。由此可见，无噪声练习网络辨认简直没有抗干扰才能。而有噪声练习出的网络具有必定的抗干扰才能，它在均值为。~0.06之间的噪声环境下，能够精确无误地辨认;其最大辨认犯错率约为6.6%，远远小于无噪声练习出的网络。
3.2BP网络的规划及其辨认作用
该网络规划办法在文献[lj中有具体介绍。网络具有35个输人节点和26个输出节点。方针差错为0.0001，选用输人在(0，l)范围内对数S型激活函数两层109519/109519网络，隐含层依据经历选取10个神经元。和单层感知器相同，别离用抱负输人信号和带有随机噪声的输人练习网络，得到有噪声练习网络和无噪声练习网络。因为噪声输人矢量可能会导致网络的1或o输出不正确，或呈现其他值，所以为了使网络具有抗干扰才能，在网络练习后，再将其输出经过一层竞赛网络的处理，使网络的输出只在本列中的最大值的位t为1，确保在其他方位输出为O，其间网络的练习选用自适应学习速率加附加动量法，在MATLAB工具箱中直接调用traingdx。在与单层感知器相同的测验条件下对网络进行功能测验，成果如图3所示。其间虚线代表用无噪声练习网络的犯错率，实线代表用有噪声练习网络的犯错率。从图中能够看出，在均值为o一0.12之间的噪声环境下，两个网络都能够精确地进行辨认。在0.12~0.15之间的噪声环境下，因为噪声起伏相对较小，待辨认字符接近于抱负字符，故无噪声练习网络的犯错率较有噪声练习网络略低。当所加的噪声均值超越。.15时，待辨认字符在噪声作用下不再接近于抱负字符，无噪声练习网络的犯错率急剧上升，此刻有噪声练习网络的功能较优.
3.3离散型，霍普菲尔德网络的规划及其辨认作用
此刻网络输人节点数目与输出神经元的数目是持平的，有r=s=35，选用正交化的权值规划办法。在MATLAB工具箱中可直接调用函数newh叩.m。要注意的是，因为调用函数newhoP.m，需求将输人信号中所有的。代写英语论文 变换为一1。如letterA~[一1一11~1-1一11一11一l一11一11一11一1一1一11111111一l一l一111一1一1一11〕’。规划离散型霍普菲尔德网络进行字符辨认，只需求让网络回忆所要求的安稳平衡点，即待辨认的26个英文字母。故只需求用抱负输人信号来练习网络。关于练习后的网络，咱们进行功能测验。给网络输入恣意字母，并在其上加人具有平均值从。~0.5的噪声，随机发生100个输人矢量，调查字母辨认犯错率，成果如图4所示。从图中能够看出，在均值为0~0.33之间的噪声环境下，网络能够精确地进行辨认。在0.33~0.4之间的噪声环境下，辨认犯错率不到1%，在0.4以上的噪声环境下，网络辨认犯错率急剧上升，最高到达大约10%。能够看出，该网络安稳点的招引域大约在0.3~。.4之间。当噪声均值在招引域内时，网络进行字符辨认时简直不犯错，而当噪声均值超越招引域时，网络犯错率急剧上升。
4定论
本文规划了3种人工神经网络对26个英文字母进行了辨认。能够看出，这3种人工神经网络均能有效地进行字符辨认，而且辨认速度快，自适应功能好，分辨率较高。由图2和图3能够看出，单层感知器的有噪声练习网络在均值为O~0.06之间的噪声环境下能够精确无误的辨认，而有噪声练习的BP网络能够在o~0.12之间的噪声环境下精确无误的辨认，故BP络网络容错性比单层感知器的容错性好;此外，噪声到达0.2时，单层感知器的有噪声练习网络的辨认犯错率为6.6%，而有噪声练习的BP网络的辨认犯错率为2.1%，故BP网络比单层感知器辨认才能强。别的，由图2、图3和图4能够看出，这3种网络中霍普菲尔德网络辨认率最高，它在噪声为0.33曾经简直不会犯错，BP网络次之，感知器最差。
经过规划、使用与功能比照，咱们可得单层感知器网络结构和算法都很简略，练习时间短，但辨认犯错率较高，容错性也较差。BP网络结构和算法比单层感知器结构稍杂乱，但其辨认率和容错性都较好。霍普菲尔德网络具有规划简略且容错性最好的两层长处。因而，咱们应依据网络的特色以及实践要求来挑选人工神经网络对字符进行辨认。
