基于Hopfield神经网络的字符识别

2011-03-17何聪孙松

湖北理工学院学报 2011年3期

何聪孙松

(1武汉理工大学自动化学院,湖北武汉 430070; 2黄石理工学院电气与电子信息工程学院,湖北黄石 435003)

在日常生活中,经常会遇到带噪音字符的识别问题,如汽车牌照,由于在使用过程中,要经受自然环境的风吹日晒,容易造成字体模糊不清,难以辨认。如何从这些残缺不全的字符中攫取完整的信息,是字符识别的关键问题。作为字符识别的组成部分,数字识别与字母识别在邮政、交通及商业票据管理方面有着极高的应用价值[1]。

目前有很多种方法用于字符识别,主要分为神经网络识别、概率统计识别和模糊识别等。传统的字符识别方法在有干扰的情况下不能很好的对数字和字母进行识别,而离散型Hopfield神经网络具有联想记忆的功能,利用这一功能对数字和字母进行识别,可以取得令人满意的效果,并且计算的收敛速度很快。

Hopfield网络作为一种全连接型的神经网络,曾经为人工神经网络的发展开辟了新的研究途径。它利用与阶层型神经网络不同的结构特征和学习方法,模拟生物神经网络的记忆机理,获得令人满意的结果。1982年,美国物理学家Hop field教授提出了一种可模拟人脑联想记忆功能的新的人工神经元模型,后来被称作Hopfield网络。和BP网络一样,Hopfield网络是迄今人工神经网络模型中得到最广泛应用的神经网络之一,它在联想记忆、分类及优化计算等方面得到了成功的应用[2]。