高速（HS-K-WTA）神經(jīng)網(wǎng)絡(luò)模型.pdf

1、在一個數(shù)據(jù)集合中選擇1個最大值（或最小值）WTA網(wǎng)絡(luò)，又稱“勝者為王”網(wǎng)絡(luò)，是自組織競爭人工神經(jīng)網(wǎng)絡(luò)的基本組成單元，也是競爭學(xué)習(xí)的關(guān)鍵部件。 本文提出了一種可以高速實現(xiàn)的K-Winers-Take-All網(wǎng)絡(luò)模型（HS-K-WTA），該網(wǎng)絡(luò)模型可以在一個數(shù)據(jù)集合中選擇K個最大值（或最小值）。本文在數(shù)據(jù)集為平均分布的假設(shè)下對算法的復(fù)雜性進行了詳盡的理論分析。證明算法的收斂速度比Winstron算法要快得多。 基于Winst

2、ron和HS-K-WTA的思路，本文進一步提出了速度更快且算法的復(fù)雜性與HS-K-WTA相當(dāng)?shù)腍S-K-WTA-2網(wǎng)絡(luò)模型。同樣分析了數(shù)據(jù)序列在平均分布下的算法復(fù)雜性。證明了HS-K-WTA-2算法的收斂速度要比HS-K-WTA及Winstron算法快得多。 論文證明了HS-K-WTA及HS-K-WTA-2的有關(guān)性質(zhì)。對HS-K-WTA及HS-K-WTA-2的算法分析結(jié)果進行了詳盡的討論。并用平均分布、標準正態(tài)分布、負指數(shù)分布（

3、λ＝10，1，0.1）、標準gamma分布和泊松分布（λ＝5，10，100）的隨機數(shù)數(shù)集，在不同N和K（1～20）的情況下，對HS-K-WTA和HS-K-WTA-2算法進行仿真，對仿真結(jié)果在不同分布的條件下分別與Winstron算法進行了比較，均可以驗證其收斂速度明顯優(yōu)于Winstron算法。 論文還提出了HS-K-WTA及HS-K-WTA-2陣列結(jié)構(gòu)的硬件實現(xiàn)。該硬件模型具有結(jié)構(gòu)簡單，易于實現(xiàn)等優(yōu)點。HS-K-WTA及HS-K