版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、聯(lián)想記憶網絡是一類特殊的人工神經網絡,能夠從不完整、含噪信息中獲得全部信息。模糊聯(lián)想記憶是模糊系統(tǒng)和神經網絡的結合,兼具兩種優(yōu)點,已廣泛應用在人工智能,模式識別等領域。模糊聯(lián)想記憶網絡結構大都是全互聯(lián)的,隨著神經元數(shù)量增加,網絡的連接邊增多,硬件實現(xiàn)困難。因此,對模糊聯(lián)想記憶網絡結構研究成為近幾年研究熱點,同時,生物學研究證明:生物腦神經中普遍存在小世界效應,因此,從生物學角度出發(fā),將小世界體系結構應用到模糊聯(lián)想記憶中并非偶然。
2、 本文從網絡結構角度出發(fā),深入研究小世界體系結構生成算法,對一種權值擇優(yōu)小世界生成算法進行改進,并通過實驗驗證其可行性和有效性。再將其應用到模糊自聯(lián)想記憶網絡中,構建了基于小世界體系結構的模糊自聯(lián)想記憶網絡模型。本文具體的研究工作和創(chuàng)新之處體現(xiàn)在以下幾個方面:
1.介紹了模糊聯(lián)想記憶網絡的概念和研究現(xiàn)狀,指出了現(xiàn)有模糊聯(lián)想記憶神經網絡學習算法及硬件實現(xiàn)的問題,分析了從網絡體系結構出發(fā),對全互聯(lián)模糊神經網絡結構進行稀疏
3、互聯(lián)的可行性。
2.研究了復雜網絡中典型的小世界網絡,分析指出原始小世界體系結構生成方式具有隨機性,缺乏確定性的缺陷,借鑒復雜動態(tài)網絡中和諧統(tǒng)一的混合擇優(yōu)模型構建思想,對一種具有目的性的權值擇優(yōu)生成方法進行改進。
3.將小世界理論和模糊聯(lián)想記憶神經網絡結合起來。運用最大-T模蘊含算子對全互聯(lián)神經網絡進行學習,確定權值矩陣。以權值矩陣為指導,運用權值擇優(yōu)捷徑生成算法生成具有小世界體系結構的模糊自聯(lián)想記憶網絡,這
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小世界體系的核自聯(lián)想記憶框架及其應用研究.pdf
- 基于聯(lián)想記憶神經網絡的納稅預警研究.pdf
- 基于小世界體系的新型聯(lián)想記憶模型研究.pdf
- 混沌神經網絡的聯(lián)想記憶特性研究.pdf
- 基于聯(lián)想記憶神經網絡的系統(tǒng)辨識與控制.pdf
- 基于憶阻器的競爭神經網絡及其聯(lián)想記憶研究.pdf
- 一類新型聯(lián)想記憶神經網絡研究.pdf
- 多向聯(lián)想記憶神經網絡理論研究.pdf
- Hopfield聯(lián)想記憶神經網絡的容量研究及其應用.pdf
- 時滯雙向聯(lián)想記憶神經網絡的定性研究.pdf
- 基于聯(lián)想記憶神經網絡的數(shù)字水印技術研究與應用.pdf
- 基于聯(lián)想記憶神經網絡的形狀識別系統(tǒng)應用研究.pdf
- 基于模糊形態(tài)雙向聯(lián)想記憶網絡的研究.pdf
- 基于憶阻遞歸神經網絡的聯(lián)想記憶分析與設計
- 基于模糊小波神經網絡的BDI模型.pdf
- 基于憶阻遞歸神經網絡的聯(lián)想記憶分析與設計.pdf
- 小世界混沌神經網絡的同步研究.pdf
- 基于自聯(lián)想神經網絡的傳感器故障診斷方法研究.pdf
- 某些雙向聯(lián)想記憶神經網絡的全局穩(wěn)定性.pdf
- 基于小波模糊神經網絡的雷達目標跟蹤研究.pdf
評論
0/150
提交評論