Abecedario En Matlab

A menudo es útil disponer de una máquina de realizar el reconocimiento de patrones. En particular, las máquinas que pueden leer los símbolos son muy rentables. Una máquina que lee los cheques bancarios pueden procesar los controles mucho más que un ser humano en el mismo tiempo. Este tipo de aplicación ahorra tiempo y dinero, y elimina el requisito de que un ser humano realizar una tarearepetitiva. La secuencia de comandos appcr1 muestra cómo el reconocimiento de caracteres se puede hacer con una red de propagación hacia atrás.

Una red debe ser diseñada y capacitados para reconocer las 26 letras del alfabeto. Un sistema de imagen que digitaliza cada letra centrada en el campo del sistema de visión está disponible. El resultado es que cada letra se representa como una cuadrícula de5por 7 de los valores booleanos. Sin embargo, el sistema de imagen no es perfecta y las letras pueden sufrir de ruido.
Clasificación perfecta de los vectores de entrada ideal se requiere,y razonablemente clasificación exacta de los vectores de ruido.

El veintiséis vectores de 35 elementos de entrada se definen en el prprob funcionan como una matriz de vectores de entrada llamada alfabeto. Losvectores de destino también se definen en este archivo con un objetivo variable llamada. Cada vector de la blanco es un vector de 26 elementos con un 1 en la posición de la carta que representa, y 0 en cualquier otro lugar. Por ejemplo, la letra A es para ser representado por un 1 en el primer elemento (como Aes la primera letra del alfabeto), y 0 en dos elementos a través deveintiséis años.
La redrecibe los 35 valores booleanos como un vector de entrada de 35 elementos. Es entonces necesaria para identificar la carta de respuesta con un vector de salida de 26 elementos. Los 26 elementos del vector de salida cada uno representa una letra. Para que funcione correctamente, la red debe responder con un 1en la posición de la carta que se presenta a la red. El resto de valores en el vector desalida debe ser 0.
Además, la red debe ser capaz de manejar el ruido. En la práctica, la red no recibe un vector ideal booleana como entrada. En concreto, la red debe hacer los menos errores posibles, cuando la clasificación de vectores con el ruido de media 0 y desviación estándar de 0,2 o menos.

ARQUITECTURA
La red neuronal necesita 35 entradas y 26 neuronas en su capa desalida paraidentificar las letras. La red es una red log-sigmoid/log-sigmoid de dos capas. La función de transferencia de registro-sigmoideo fue elegido debido a que su outputrange (0-1)es perfecto para el aprendizaje de valores booleanos salida.


La escondida (primero) de capa tiene 10 neuronas. Este número fue escogido por las conjeturas y la experiencia. Si la red tiene problemas de aprendizaje, acontinuación, las neuronas se pueden agregar a esta capa.
La red se entrena a la salida de un 1 en la posición correcta del vector de salida y llenar el resto del vector de salida con 0. Sin embargo, los vectores de entrada de ruido puede dar lugar a la red no la creación de una perfecta y 0. Después de que la red se entrena la salida se pasa a través de la compe función de transferencia competitiva. Estoasegura que la salida correspondiente a la letra más como el vector de entrada ruidosa toma un valor de 1, y todos los demás tienen un valor de 0. El resultado de este procesamiento posterior es la salida que se utiliza realmente.
Inicialización
La red de dos capas se crea con newff.
S1 = 10;
[R,Q] = size(alphabet);
[S2,Q] = size(targets);
P = alphabet;
net = newff(minmax(P),[S1S2],{'logsig' 'logsig'},'traingdx');

formación
Para crear una red que puede manejar vectores de ruido de entrada es mejor para entrenar la red en ambos vectores ideales yruidosos. Para ello, la red es la primera capacitación en vectoresideales hasta que haya un error de baja suma cuadrado.
Luego, la red se entrena en 10 conjuntos de vectores ideales yruidosos. La red se entrena en dos copias del...