基于核的增強型聯(lián)想記憶模型及推廣性研究.pdf

1、聯(lián)想記憶（AM）是人腦極其重要的功能之一，是邏輯思維和形象思維、推理和創(chuàng)新的源泉。因此，試圖通過對其某些簡單功能的模擬或模仿給當(dāng)前的機器賦予類似人腦的簡單功能，一直是人們追求的目標(biāo)。經(jīng)過二十多年的研究，AM神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展成為一類重要的人工神經(jīng)網(wǎng)絡(luò)，并已被廣泛地應(yīng)用于優(yōu)化計算、糾錯編碼、數(shù)據(jù)壓縮和模式識別等領(lǐng)域。 本文緊緊圍繞AM研究的兩個核心─學(xué)習(xí)算法與體系結(jié)構(gòu)對聯(lián)想記憶模型展開改進研究。借助機器學(xué)習(xí)領(lǐng)域中流行的核技巧和現(xiàn)實社

2、會中普遍存在的小世界網(wǎng)絡(luò)，提出了相應(yīng)的AM改進模型，并將其應(yīng)用于人臉識別、手寫體識別問題。本文的創(chuàng)造性研究成果主要有： （1）提出了模糊形態(tài)學(xué)聯(lián)想記憶（FMAM）模型。FMAM具有與經(jīng)典聯(lián)想記憶和模糊聯(lián)想記憶完全不同的特性。它不僅保持了MAM抗腐蝕/膨脹噪聲的優(yōu)點，而且自聯(lián)想FMAM具有無限存儲容量，能保證完全回憶，且回憶在一步內(nèi)完成。并且給出了上述特性的定理證明。此外，F(xiàn)MAM還可以模糊性解釋。通過與模糊聯(lián)想記憶（FAM）的比

3、較揭示出在特定條件下，F(xiàn)MAM可視作FAM的一種新的編碼方式。 （2）借助當(dāng)前普遍使用的核方法，針對FMAM和MAM對混合噪聲極其敏感的缺點進行了改進，提出了基于經(jīng)驗核映射的增強型FMAM（EFMAM）。EFMAM的實質(zhì)是在不改變原始FMAM結(jié)構(gòu)和編碼策略的前提下，借助經(jīng)驗核映射，將原始輸入空間中的模式映射到由訓(xùn)練模式張成的相似度空間中，從而達到雙重抗噪性（一是由于經(jīng)驗核映射的引入，二是自聯(lián)想FMAM本身的抗噪性）的目的。因此，

4、它不僅繼承了自聯(lián)想FMAM的良好特性，而且解決了混合噪聲問題，拓寬了FMAM的應(yīng)用領(lǐng)域。實驗結(jié)果表明，在相同程度的混合噪聲下，EFMAM的識別準(zhǔn)確率要比自聯(lián)想FMAM的高得多。 （3）針對EFMAM由于網(wǎng)絡(luò)規(guī)模過大可能導(dǎo)致的硬件實現(xiàn)困難進行進一步改進，提出了經(jīng)濟型EFMAM（E2FMAM）。通過定義經(jīng)驗核映射向量的經(jīng)濟化準(zhǔn)則，并借助遺傳算法優(yōu)化該準(zhǔn)則，使需存儲的經(jīng)驗核映射向量的維數(shù)得到了大幅度約簡，從而縮小了EFMAM的網(wǎng)絡(luò)規(guī)模

5、，方便了硬件實現(xiàn)。雖然只是對原始EFMAM的訓(xùn)練過程添加了如此簡單的一步，但是效果顯著。不僅節(jié)約了存儲空間和至少一半的計算時間，而且在不同類型噪聲和不同丟塊方式下，保持了與未經(jīng)濟化EFMAM相當(dāng)?shù)淖R別性能。此外，E2FMAM對圖像尺寸的不敏感性為我們處理大尺寸圖像識別問題帶來了極大的方便。 （4）將EFMAM和E2FMAM應(yīng)用于人臉識別。并且與目前占主導(dǎo)地位的基于特征臉的人臉識別算法作了大量實驗比較，發(fā)現(xiàn)當(dāng)人臉圖像包含噪聲點或者