摘要:数字识别是组成字符识别、模式认知的一个重要的部分，带干扰的数字识别是后期一系列处理的基础，它在汽车牌照识别、分拣邮件、处理财务税收和金融等大量的数据统计中具有非常重要的现实意义。使用识别系统，而不是手动输入数字和分辨，可以大幅度节约时间和企业成本，是多年来引人注目研究热点。

本论文通过设计一个离散Hopfield神经网络，利用其联想记忆的功能来完成数字识别。我们把记忆的样本设为十个标准数字，选择残缺、变形和随机噪声三种方式来添加干扰项，分别采用外积法、MATLAB自带函数和正交化权值的三种设计方式来设置权值，并把测试样本在恢复过程中的每一次变化反映出来，以便更直观的了解联想过程。总的来说是在离散Hopfield神经网络中，记忆学习标准的数字样本，然后在网络中测试畸变污损的数字矩阵，依据等待辨认的数字信息回忆起网络学习的数字。结果证明，在可接受的干扰范围内，输入数字能有效地得到识别，网络的联想记忆能力得到体现。

关键词：Hopfield神经网络，联想记忆，正交化，数字识别，外积法

目录

中文摘要

Abstract

第一章 前言-3

1.1 联想记忆概述-3

1.2 神经网络和联想记忆的现状-3

1.3神经网络和联想记忆的应用-4

1.4 本设计的主要内容-5

第二章 离散Hopfield神经网络-7

2.1人工神经网络-7

2.2 离散Hopfield网络（DHNN）-7

2.2.1DHNN的概念-7

2.2.2 DHNN的结构-8

2.2.3 DHNN的工作方式-9

2.3 DHNN联想记忆-10

2.4 DHNN的记忆容量-11

2.5 DHNN稳定性-11

第三章 联想记忆的设计和实现-13

3.1 开发环境介绍-13

3.2 数字识别流程-13

3.2.1 建立记忆样本-14

3.2.2设计网络的权值矩阵-15

3.2.3 干扰项添加-16

3.2.4迭代恢复-17

第四章 实验结果及分析-19

4.1 残缺数字识别结果-19

4.2 随机噪声数字识别结果-21

4.3 变形数字识别结果-24

第五章 总结与展望-26

5.1 总结-26

5.2 展望-26

参考文献-28

致 谢-30