基于神经网络的模式识别

实验目的

1. 理解BP神经网络和离散Hopfield神经网络的结构和原理
2. 掌握反向传播学习算法对神经元的训练过程，了解反向传播公式
3. 通过构建BP网络和离散Hopfield网络模式识别实例，熟悉前馈网络和反馈网络的原理及结构
4. 通过编写源代码理解基于神经网络的模式识别

BP神经网络代码

#include 
#include 
#include 

hopfield神经网络代码

#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;

#define maxl 100
#define maxn 100

int n, l, w[maxl][maxl], a[maxn][maxl], multi_result[maxl];

int get_w(int x, int y) {
	int w = 0;
	for (int i = 1; i <= n; i++) {
		int t1, t2;
		t1 = a[i][x] == 0 ? -1 : a[i][x];
		t2 = a[i][y] == 0 ? -1 : a[i][y];
		w += t1 * t2;
	}
	return w;
}

void matrix_multi(int t[maxl]) {
	memset(multi_result, 0, sizeof(multi_result));
	for (int i = 1; i <= l; i++) {
		for (int j = 1; j <= l; j++) {
			multi_result[i] += t[j] * w[i][j];
		}
		multi_result[i] >= 0 ? multi_result[i] = 1 : multi_result[i] = 0;
	}
	for (int i = 1; i <= l; i++) {
		cout << multi_result[i] << " ";
	}
	cout << endl;
}

int main() {
	memset(a, 0, sizeof(a));
	memset(w, 0, sizeof(w));
	cout << "请输入要输入数据组数及每组数据的长度:" << endl;
	cin >> n >> l;
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= l; j++) {
			cin >> a[i][j];
		}
	}
	for (int i = 1; i < l; i++) {
		for (int j = i + 1; j <= l; j++) {
			w[i][j] = get_w(i, j);
		}
	}
	for (int i = 2; i <= l; i++) {
		for (int j = 1; j < i; j++) {
			w[i][j] = w[j][i];
		}
	}
	cout << "连接权值为:" << endl;
	for (int i = 1; i <= l; i++) {
		for (int j = 1; j <= l; j++) {
			cout << w[i][j]<<" ";
		}
		cout << endl;
	}
	cout << "请输入测试数据:" << endl;
	int flag = 1;
	while (flag) {
		int t[maxl];
		memset(t, 0, sizeof(t));
		for (int i = 1; i <= l; i++) {
			cin >> t[i];
		}
		cout << "开始迭代:" << endl;
		matrix_multi(t);
		while (memcmp(t, multi_result, l + 1)) {
			memcpy(t, multi_result, l * sizeof(int));
			matrix_multi(multi_result);
		}
		cout << "达到稳定,稳定状态为:" << endl;
		for (int i = 1; i <= l; i++) {
			cout << multi_result[i] << " ";
		}
		cout << endl;
		cout << "结束输入请输入0，继续输入则输入其他数字:";
		cin >> flag;
	}
}

学习心得

了解了BP神经网络和离散Hopfield神经网络的结构和原理，了解了反向传播学习算法对神经元的训练过程，了解了反向传播公式。通过构建了BP网络和离散Hopfield网络模式识别的实例，知道了前馈网络和反馈网络的原理及结构，知道了模式识别的原理，知道了识别过程的程序设计方法。