摘要：脱机手写数字识别在很多领域具有广泛的应用前景，国内外学者对此做了大量的研究工作，提出了很多预处理和模式识别的算法，大大提高了手写数字的识别精度。为了提高手写数字识别的精度，本文将Hopfield神经网络应用于脱机手写数字识别分析中，Hopfield神经网络的“能量函数”的能量在网络运行过程中，具有不断地减少最后趋于稳定的平衡状态的特性，而且网络一旦建立即可自动运行，无需训练。脱机手写数字的识别过程分为两步：训练阶段，识别阶段。在训练阶段，提取训练样本集的代数特征，建立网络模型，以输八向量为目标向量，保存网络连接权值和闺值以及代数特征；在识别阶段，将待识别数字特征送入网络运行，待网络运行到平衡状态后，将输出结果与数字特征库的向量进行比较，距离最小者即为待识别的数字。