function Hopfield()
tic
clc;
%定义个目标向量
t5=[-1 -1 -1 -1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;-1 -1 1 1 1 1 1;...
-1 -1 1 1 1 1 1;1 -1 -1 -1 -1 1 1;1 1 1 1 1 -1 -1;...
1 1 1 1 1 -1 -1;-1 -1 -1 -1 -1 1 1]';
t7=[-1 -1 -1 -1 -1 -1 -1;-1 -1 -1 -1 -1 -1 -1;1 1 1 1 1 -1 -1;...
1 1 1 1 1 -1 -1;1 1 1 1 1 -1 -1;1 1 1 -1 -1 1 1;...
1 1 1 -1 -1 1 1;1 1 1 -1 -1 1 1]';
t4=[-1 -1 1 1 -1 -1 1;-1 -1 1 1 -1 -1 1;-1 -1 1 1 -1 -1 1;...
-1 -1 1 1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;...
1 1 1 1 -1 -1 1; 1 1 1 1 -1 -1 1;]';
t9=[1 1 1 -1 -1 1 1;1 -1 -1 1 1 -1 -1;1 -1 -1 1 1 -1 -1;...
1 -1 -1 1 1 -1 -1;1 1 -1 -1 -1 -1 -1;1 1 1 1 1 -1 -1;...
1 1 1 1 1 -1 -1;1 1 1 1 1 -1 -1]';
T=[t7 t5 t4 t9]; %形成总的目标向量
net=newhop(T); %设计hopfield网络
%定义测试样本
T7=[-1 -1 -1 -1 1 -1 1;-1 1 -1 -1 1 -1 -1;-1 1 1 1 1 -1 -1;...
1 1 1 1 1 -1 -1;1 -1 1 1 1 -1 1;-1 1 1 1 -1 -1 1;...
-1 -1 1 1 -1 -1 1;-1 1 1 1 -1 -1 1]'; %7×8
subplot(2,3,1);
figt(t5);
title('待试数字5')
subplot(2,3,2);
figt(t7);
title('待试数字7')
subplot(2,3,3);
figt(t4);
title('待试数字4')
subplot(2,3,4);
figt(t9);
title('待试数字9')
subplot(2,3,5);
figt(T7); %绘制测试样本二值化图像
title('测试样本')
%网络仿真
for i=1:8
T=[t5(:,i) t7(:,i) t4(:,i) t9(:,i)];
net=newhop(T); %设计hopfield网络
y(:,i)=sim(net,1,[],T7(:,i));
end
for i=1:7
for j=1:8
if y(i,j)<=0
y(i,j)=-1;
else
y(i,j)=1;
end
end
end
subplot(2,3,6);
figt(y); %绘出仿真输出二值化图像
title('仿真结果')
toc
%绘制测试样本二值化图像的自定义函数
function figt(t)
hold on
axis square %以当前坐标轴范围为基础，将坐标轴区域调整为方格形
for j=1:8
for i=1:7
if t((j-1)*7+i)<=0
fill([i i+1 i+1 i],[9-j,9-j,10-j,10-j],'k')
else
fill([i i+1 i+1 i],[9-j,9-j,10-j,10-j],'w')
end
end
end
hold off
我不怎么懂神经网络，看了一下Help，上面是我的理解不知道对不对，附图：
hopfield.jpg