开发者学堂课程【机器学习算法 ：离散 Hopfield 网络-6】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/535/detail/7256
离散 Hopfield 网络-6
内容介绍
一、DHNN 设计权重和阈值
二、DHNN 简单应用案例： OCR 字符识别
一、DHNN 设计权重和阈值
外积法：通过 Hebb 规则，确定网络的权重（包括阈值）。该方法更通用，并且可以处理节点比较多的情况。
给定 P 个需记忆的样本 XP , p =1,2,…. P , 
，则其连接权值的学习可以利用“外积规则”:
外积法的基本步骤：
(1) 根据需记忆的样本 XP ，根据：
计算权重矩阵 W
(2) 令测试样本 Pi , i =1,2…, n 为网络初始值 Yi ( O )= Pi ，设定迭代次数，开始迭代，更新输出状态：
(3)直到达到预设的最大迭代次数，或者神经元输出状态保持不变，循环终止，否则继续循环更新 yi 值
接下来看一个例题
二、DHNN 简单应用案例： OCR 字符识别
通过 DHNN 联想记忆功能，预先建立 DHNN 网络模型，将需要识别的字符（信息），通过网络的权重和阈值保存到网络中。应用于识别有噪声的字符。
如果里边是有颜色标志的，就算为1‘；如果是空的，就记作-1.
例如：
这个识别起来效果不是很好，第一就是网络容量不够大或者说网络设计的不够复杂，结果记忆相似度太高，并不是正交的，所以导致结果很不好。
如果希望识别率高一点，就可以把网络结构做复杂一点，可以做的更大一点，这个时候它的区别度就更高了，正确率也会更高。
