使用 Hopfield 神经网络模型进行图像回忆
神经与进化计算
2011-05-03 v1
摘要
本文尝试使用自联想记忆的 Hopfield 神经网络模型来存储和回忆图像。通过计算相应的权重矩阵来存储图像。此后，从一个任意配置开始，记忆将精确地稳定到那个与起始配置在汉明距离上最接近的已存储图像。因此，给定一个已存储图像的不完整或损坏版本，网络能够回忆出相应的原始图像。对象的存储是根据下文解释的 Hopfield 算法进行的。一旦网络完全学会了这组输入模式，就会将一组包含退化图像的测试模式提供给网络。然后，Hopfield 网络将倾向于为给定的退化图像回忆出最接近的匹配模式。仿真结果表明，Hopfield 模型是存储和回忆图像的最佳模型。
引用
@article{arxiv.1105.0332,
title = {Recalling of Images using Hopfield Neural Network Model},
author = {C. Ramya and G. Kavitha and Dr. K. S. Shreedhara},
journal= {arXiv preprint arXiv:1105.0332},
year = {2011}
}