基于多层激励函数量子神经网络的字符识别算法

被引：1

作者：

吴茹石 ^{[1
]}

朱大奇 ^{[2
]}

彭力 ^{[1
]}

机构：

[1] 江南大学智能控制研究所

[2] 上海海事大学信息工程学院

来源：

数据采集与处理 | 2007年 / 04期

关键词：

字符识别算法; 量子神经网络; 多层激励函数; 模式识别;

D O I：

10.16337/j.1004-9037.2007.04.022

中图分类号：

TP183 [人工神经网络与计算]; TP391.43 [];

学科分类号：

摘要：

针对不同样本之间存在交叉数据的模式识别问题,将多层激励函数的量子神经网络引入模式识别之中,提出一种基于量子神经网络的模式识别算法。量子神经网络是将神经元与模糊理论相结合的模糊神经系统,由于自身固有的模糊性,它能将决策的不确定性数据合理地分配到各模式中,从而减少模式识别的不确定度,提高模式识别的准确性。本文以英文字母为例,应用量子神经网络模型进行字符识别,通过比较发现量子神经网络除了可以克服BP网络的诸多缺点外,对具有不确定性、两类模式之间存在交叉数据的模式识别问题,有极好的分类效果。仿真结果证明该方法的正确性和有效性。

引用

页码：401 / 406

页数：6

共 5 条

[1] BP算法在手写体脱机字符识别中的应用 [J].

陈子宁 .

现代计算机(专业版), 2004, (12) :88-90

[2] 量子神经网络及其应用 [J].

李飞 ;

郑宝玉 ;

赵生妹 .

电子与信息学报, 2004, (08) :1332-1339

[3]

神经网络与应用[M]. - 国防工业出版社 , 董长虹编著, 2005

[4] Recognition of handwritten numerals by Quantum Neural Network with fuzzy features [J].

Zhou J. ;

Gan Q. ;

Krzyzak A. ;

Suen C.Y. .

International Journal on Document Analysis and Recognition, 1999, 2 (1) :30-36

[5]

Fuzzy pattern classification using feed forward neural networks with multilevel hidden neurons .2 Karayiannis N B,Purushothaman G. IEEE Transaction on Neural Networks . 1994

← 1 →