反馈神经网络及其应用神经网络十

Posted 2021-11-10 张叔zhangshu

反馈神经网络（Recurrent Neural Network）是一种反馈动力学系统。在这种网络中，每个神经元将自身的输出信号作为输入信号反馈给其他神经元，并且需要工作一段时间才能达到稳定。
反馈神经网络能够表现出非线性动力学系统的动态特性，其主要特性包括如下两点：第一，网络系统具有若干稳定状态，当网络从某一初始状态开始运动时，网络系统总可以收敛到某个稳定的平衡状态；第二，系统稳定的平衡状态可以通过设计网络的权值被存储到网络中。
Hopfield神经网络是反馈神经网络中最简单且应用广泛的模型，它具有联想记忆的功能，如果将李雅普诺夫函数定义为巡游函数，Hopfield神经网络还可以用来解决快速寻优问题。

反馈神经网络典型案例分析

利用Hopfield神经网络对常用的交通标志进行识别。
背景分析：随着社会经济的发展和现代交通的日益发达，交通安全和交通拥堵随之成为严重的社会问题，影响人们的正常生活。因此，智能交通系统（Intelligent Transportation System）的研究便应运而生，并快速发展。对交通标志识别的研究也成为当今热门的研究领域。常见的交通标志如图7-1所示。
程序实现代码如下：

>> clear all;  %清除空间原有变量
numTarget=3;
Traffic_Left=imread('a1.jpg');
Traffic_Right=imread('a2.jpg');
Traffic_Straightand=imread('a3.jpg');
Traffic_StraightandLeft=imread('a4.jpg');
Traffic_StraightandRight=imread('a5.jpg');
Traffic_Cricle=imread('a6.jpg');
m=70;n=70;
%左转弯
Left_Gray=im2bw(Traffic_Left,0.5);
Left_Gray=imresize(Left_Gray,[m,n]);
%右转弯
Rigth_Gray=im2bw(Traffic_Right,0.5);
Rigth_Gray=imresize(Rigth_Gray,[m,n]);
%直行

Hopfield神经网络

设印刷体数字由10×10的矩阵表示。这个矩阵可以直观描述阿拉伯数字，即将数字划分为10×10的矩阵，有数字的部分用1表示，空白的部分用-1表示。
网络对这10个稳态具有联想记忆功能，当带噪声的数字点阵输入该网络时，网络的输出便可得到最接近的目标向量，从而达到正确识别的效果。
数字1的数字点阵图如图7-10所示。
根据规则，有数字的部分用1表示，空白的部分用-1表示。数字1的点阵可以表示为如下形式：
one=[-1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;…

    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1];
使用Hopfield神经网络识别数字1的MATLAB代码如下：
>> clear all;
%载入数字1的点阵
one=[-1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1;...
    -1 -1 -1 -1 1 1 -1 -1 -1 -1; -1 -1 -1 -1 1 1 -1 -1 -1 -1];
T=[one]'; 				%构建目标向量
%创建Hopfield神经网络
net=newhop(T);

连续型Hopfield神经网络