基于復雜網絡的聯想記憶網絡研究.pdf

1、聯想記憶是神經網絡理論的一個重要組成部分，也是神經網絡用于智能控制、模式識別與人工智能等領域的一個重要功能。它主要利用神經網絡的良好容錯性，能使不完整的、污損的、畸變的輸入樣本恢復成完整的原型，適于識別、分類等用途。但傳統(tǒng)聯想記憶網絡的全連接結構并沒有很好的代表生物神經系統(tǒng)的特性，同時在VLSI實現上也是不可行的，而且全連接的特性會導致大量偽狀態(tài)的出現。因此建立一個具有稀疏拓撲連接結構的網絡來完成聯想記憶的功能具有重要意義。本文主要研究

2、內容如下： 傳統(tǒng)聯想記憶網絡相關研究。對離散Hopfield網絡和連續(xù)Hopfield網絡這兩種網絡進行了分析總結，給出了傳統(tǒng)聯想記憶網絡存在的主要問題，以及針對這些問題國內外的研究進展。 復雜網絡相關研究。介紹了復雜網絡的相關研究歷程和重要概念，總結了復雜網絡中幾個經典網絡的相關研究，包括小世界網絡和無標度網絡，最后分析了復雜網絡當前研究進展，包括最新模型和應用領域。 基于復雜網絡的新型聯想記憶網絡。即出于降低

3、連接復雜度的目的，同時根據生物學中神經系統(tǒng)中復雜網絡特性的發(fā)現，基于Watts-Strogatz小世界模型建立具有復雜網絡特性的新型聯想記憶網絡，期望該新型網絡能在整體連接數較少的情況下使得網絡仍然有良好的記憶回想能力，同時由于連接數的減少，希望可以減少偽狀態(tài)的數量。并通過交通標志圖像等實驗檢驗了模型的效果，這種網絡在連接數非常少的情況下確實能夠完成聯想記憶功能，而且與其它具有稀疏拓撲連接結構的網絡相比，例如隨機連接網絡和規(guī)則連接網絡，