基于BP網(wǎng)絡(luò)的字母識(shí)別

3.3.3 再次用理想樣本訓(xùn)練
　　在網(wǎng)絡(luò)進(jìn)行了上述的訓(xùn)練以后，網(wǎng)絡(luò)對(duì)無誤差的信號(hào)可能也會(huì)采用對(duì)帶有噪聲信號(hào)的辦法。這樣做會(huì)付出較大的代價(jià)。因此，必須再次使用理想的樣本進(jìn)行訓(xùn)練。這樣就可以保證在輸入理想數(shù)字信號(hào)時(shí)，網(wǎng)絡(luò)能夠最好地對(duì)其做出反應(yīng)。其訓(xùn)練代碼如下：
　　netn.trainParam.goal=0.00001;
　　netn.trainParam.epochs=1000;
　　netn.trainParam.show=5;
　　[netn,tr]=train(netn,p,t);
　　訓(xùn)練結(jié)果為：
　　TRAINLM, Epoch 0/1000, SSE 4.60127e-007/1e-005, Gradient 4.23932e-006/1e-010
　　TRAINLM, Performance goal met.
　　滿足要求。
3.4 對(duì)網(wǎng)絡(luò)進(jìn)行仿真和測(cè)試
　　為了測(cè)試系統(tǒng)的可靠性，本文用了加入不同級(jí)別的噪聲的字母樣本作為輸入，來觀察用理想樣本和加噪樣本訓(xùn)練出來的網(wǎng)絡(luò)的性能，并繪制出誤識(shí)率曲線，如圖5所示。

　　圖5其中虛線代表用無噪聲訓(xùn)練網(wǎng)絡(luò)的出錯(cuò)率，實(shí)線代表用有噪聲訓(xùn)練網(wǎng)絡(luò)的出錯(cuò)率。從圖5可以看出，在均值為0~0.05之間的噪聲環(huán)境下，兩個(gè)網(wǎng)絡(luò)都能夠準(zhǔn)確地進(jìn)行識(shí)別。當(dāng)所加的噪聲均值超過0.05時(shí)，待識(shí)別字符在噪聲作用下不再接近于理想字符，無噪聲訓(xùn)練網(wǎng)絡(luò)的出錯(cuò)率急劇上升，此時(shí)有噪聲訓(xùn)練網(wǎng)絡(luò)的性能較優(yōu)。
3.5 測(cè)試實(shí)例
　　本文用一個(gè)含噪聲的字母F作為網(wǎng)絡(luò)輸入，并繪出含噪聲的字母F，其輸出語句為：
noisyF=alphabet(:,6)+randn(35,1)*0.2；plotchar(noisyF) ；
　　其結(jié)果如圖6所示。