Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta red puede ser probada presentado uno o más vectores de entrada como condiciones
iniciales de la red. Después de que la condición inicial es dada, la red produce una salida
que es nuevamente presentada como entrada. Este proceso se debe repetir hasta que se
encuentre un punto de equilibrio. Cada vector de entrada convergerá a aquel patrón que
sea mas parecido a él. La aplicación de las redes de hopfield es el filtrado de imágenes y
el reconocimiento de patrones.
Leer las figura desde un archivo: las figuras original y a la que se va a realizar el filtrado
deben encontrarse en un archivo, y se deben leer desde matlab como se muestra en el
siguiente comando :
b1=imread('c:\matlab7\work\botel.bmp');
b1r=imread('c:\matlab7\work\botel_ruid.bmp');
b1bw=im2bw(b1);
b1rbw=im2bw(b1r);
Así los datos que deben procesar la red resultan menos complejos y tiene mayor
información. La imagen a color y a blanco y nefro tiene dimensiones de 20x20 pixeles
que es tamaño reducido para la mayoría de aplicaciones pero como nuestro ejemplo es
ilustrativo se puede usar este formato.
Las diferente imágenes sin ruido, con ruido y filtrada se muestran en la figura 3 en el
orden estricto de derecha a izquierda.
T=reshape(b1bw,400,1);
Como solo hay necesidad de entrenar la red con la imagen original solo se le hace el
cambio a una sola matriz.
El siguiente paso que se debe seguir en el progrma es entrenar la red neuronal y esto se
logra con :
net=newhop(double(T));
Para mirar el desempeño que tiene la red se debe usar la imagen con ruido con su
formato cambiado a vector y simular la red y el resultado se puede mostrar en una
gráfica. El código es el siguiente:
T1=reshape(b1rbw,400,1);
a=reshape(Y,20,20);
subplot(1,3,3)
imshow(a)
PROCEDIMIENTO:
RECONOCIMIENTO DE PATRONES.
b1=imread('c:\matlab7\work\circulo.bmp');
b2=imread('c:\matlab7\work\cuadrado.bmp');
b3=imread('c:\matlab7\work\triang.bmp');
b1=imread('c:\matlab7\work\circulo.bmp');
b2=imread('c:\matlab7\work\cuadrado.bmp');
b3=imread('c:\matlab7\work\triang.bmp');
net=newhop(double(T));
Ahora se necesita hacer la clasificación una figura que se puede modificar del Saint y
presentarse la a la red. La figura está almacenada bajo el nombre identi.bmp y debe
colocarse en el directorio work de matlab. Los siguientes comandos muestran el proceso
previo que se le debe hacer a la imagen para poder ser presentada a la red
b4=imread('c:\matlab7\work\identi.bmp');
b4bw=im2bw(b4);
subplot(2,3,4)
imshow(b4bw)
Y=reshape(b4bw,400,1);
La imagen de salida se le debe presentar varias veces a la red hasta que la red presente
una salida estable, para nuestro caso se presenta 25 veces aunque es demasiado para
varios casos. Los comandos para hacer la presentación del patrón se muestra a
continuación:
for i=1:25
a=reshape(Y,20,20);
subplot(2,3,6)
imshow(a)
q=sprintf('comparacion %i',i);
title(q)
pause(0.1)
end
PROCEDIMEINTO.
- Cree otra figura donde se le cambie el formato de la letra y haga una vocal.