Ассоциативная сеть Хопфилда. Распознание машинописных букв русского алфавита

Введение

В курсовой работе необходимо изучить нейронную сеть Хопфилда, подобрать метод её обучения и применить её при распознавании машинописных символов русского алфавита.

Для начала изучим саму нейронную сеть и устройства, которые были придуманы чтобы распознавать символы.

Нейронная сеть (также искусственная нейронная сеть, ИНС) — матема- тическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др [2].

Строение нейрона очень просто. Нейрон состоит из тела клетки, дендритов и аксона. Тело клетки состоит из протоплазмы, которая ограничена снаружи мембраной из липидного слоя. Липиды состоят из гидрофильных головок и гидрофобных хвостов. Липиды располагаются гидрофобными хвостами друг к другу, образуя гидрофобный слой. Также тело нейрона содержит отростки, называемые аксонами и дендритами. Аксонами являются длинные отростки нейрона, которые приспособлены для передачи информации от тела нейрона к нейрону, либо от нейрона к исполнительному органу. Дендритами являются короткие и сильно разветвленные отростки нейрона, главной задачей которых является образование влияющих на нейрон возбуждающих и тормозящих синапсов – мест контакта между двумя нейронами (исполнительным органом) (Рисунок 1)[1].

Содержание

Введение 4

1. Общесистемные решения 7

1.1. Описание предметной области. Анализ проблемной ситуации 7

1.2. Постановка задачи 7

1.3. Информационные требования к выбору класса нейросетей 8

1.4. Теоретические аспекты выбранного класса нейросетей 8

2. Проектирование нейросетевого модуля 9

2.1. Выбор оптимальной архитектуры нейросети 9

2.2. Выбор и обоснование метода обучения 10

2.3. Подбор обучающих выборок 11

2.4. Описание алгоритма обучения сети 13

3. Программное обеспечение нейросети 16

3.1. Описание алгоритмов компьютерного моделирования нейросети 16

3.2. Тестирование нейросети на обучающих выборках 18

3.3. Описание контрольного примера (задачи исследования) 20

4. Исследование нейросети при решении поставленной задачи 29

4.1. Спецификация входных и выходных сигналов и данных 29

4.2. Описание процесса фиксации и обработки данных компьютерного моделирования сети 29

4.3. Анализ результатов исследований функционирования нейросети 29

Заключение 31

Библиографический список использованной литературы 32

Приложения 33