递归神经网络记忆存储器的两个应用

摘要

随着生物神经网络系统的研究和智能化信息处理技术的发展，人工神经网络成为科学研究者们探索的热点.其中递归神经网络被广泛地应用在图像处理、联想记忆、平行计算、信号处理、模式识别等领域，因此关于递归神经网络的实际应用研究很有现实意义。
　　 本文提出了一种基于Cohen-Grossberg神经网络的图像解密消噪的方法，彩色图像在标准的RGB三色空间中表达，图像加密方式采用Arnold变换。Cohen-Grossberg神经网络将加密后的图像数字矩阵作为网络的平衡点进行存储，以实现解密前消除噪声的功能.消除噪声的加密图像数字矩阵通过执行正确的Arnold变换迭代次数实现解密。仿真实例验证了提出方法的有效性，实现了消除传输噪声的功能。另外本文还用训练单层前向神经网络的方法来实现Hopfield神经网络记忆存储的功能，并将此Hopfield神经网络应用在产品质量分类中.仿真实例表明Hopfield递归神经网络的分类效果比较理想，可以为产品优化、市场决策提供有效信息。