(3.235.108.188) 您好!臺灣時間:2021/03/03 20:52
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:范如逸
研究生(外文):Fan, Ru-Yi
論文名稱:改良式HOPFIELD類神經網路為主之字元辨認系統
論文名稱(外文):Modified hopfield neural network based character recognition system
指導教授:陳兩嘉
指導教授(外文):Chen, Liang-Jia
學位類別:碩士
校院名稱:中原大學
系所名稱:電子工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1991
畢業學年度:78
語文別:中文
論文頁數:68
中文關鍵詞:改良式HOPFIELD類神經網路字元辨認系統平行處理錯誤更正更正邏輯單運算子電子工程改良HOPFIELD類神
外文關鍵詞:XORELECTRONIC-ENGINEERING
相關次數:
  • 被引用被引用:0
  • 點閱點閱:157
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0

類神經網路(neural networks) 已被研究了許多年,目的在於期望能夠完成如同人類
神經網路對語音(speech)及圖形(pattern) 辨認的能力。語音和圖形辨認的工作,必
須能夠對大量的輸入資料同時做處理,以及對於含雜訊或不完整的輸入有合理的反應
。類神經網路,其內部結構由許多彼此間交互連接,且能夠同時運算的處理元素所構
成,此平行處理(parallel processing) 的特性,再加上具有學習的能力,使其在語
音和圖形辨認的工作上特別有用。
本論文中,我們利用數位理論中之錯誤偵測及更正邏輯的技巧來改良傳統式Hopfield
類神經網路的學習及回想法則,亦即吾人利用單一運算子 XOR來完成網路的學習過程
及回想過程。此一運算元的特性可以避免進位延遲(carry popagation)的產生,因此
比傳統Hopfield網路利用類比的乘法和加法來達成網路的學習過程及回想過程要簡單
及快速。
為了能把錯誤偵測及更正邏輯順利應用Hopfiled類神經網路,吾人把類神經網路結構
做大幅度的修改,而成蜂巢式(alveolate) 的網路結構。此網路結構和傳統的Hopfi-
eld 網路結構最大的差異在於傳統網路之神經元間的鍵結採用全連通(full connect-
ion)的方式,而改良後的網路一個神經元只與三個神經元鍵結,因此大大減少神經鍵
的數目,不僅降低了網路的複雜度,而且甚有利於VLSI的製作。
為了驗証改良後的神經網在收斂速度與錯誤容忍度的優越表現,我們建立了一個能辨
認26個大寫英文字母和10個阿伯數字的辨認系統。經過實際模擬的結果,在雜訊20%
以下時,改良後的Hopfield類神經網路只經 1到 6次的重覆運算就收可收斂,且辨認
率達90%以上。而傳統的Hopfield類神經網路則須經 6到12次的重覆運算則才能收斂
,但辨認率不到5%。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔