基于復(fù)雜網(wǎng)絡(luò)的聯(lián)想記憶網(wǎng)絡(luò)研究.pdf

1、聯(lián)想記憶是神經(jīng)網(wǎng)絡(luò)理論的一個(gè)重要組成部分，也是神經(jīng)網(wǎng)絡(luò)用于智能控制、模式識(shí)別與人工智能等領(lǐng)域的一個(gè)重要功能。它主要利用神經(jīng)網(wǎng)絡(luò)的良好容錯(cuò)性，能使不完整的、污損的、畸變的輸入樣本恢復(fù)成完整的原型，適于識(shí)別、分類等用途。但傳統(tǒng)聯(lián)想記憶網(wǎng)絡(luò)的全連接結(jié)構(gòu)并沒(méi)有很好的代表生物神經(jīng)系統(tǒng)的特性，同時(shí)在VLSI實(shí)現(xiàn)上也是不可行的，而且全連接的特性會(huì)導(dǎo)致大量偽狀態(tài)的出現(xiàn)。因此建立一個(gè)具有稀疏拓?fù)溥B接結(jié)構(gòu)的網(wǎng)絡(luò)來(lái)完成聯(lián)想記憶的功能具有重要意義。本文主要研究

2、內(nèi)容如下： 傳統(tǒng)聯(lián)想記憶網(wǎng)絡(luò)相關(guān)研究。對(duì)離散Hopfield網(wǎng)絡(luò)和連續(xù)Hopfield網(wǎng)絡(luò)這兩種網(wǎng)絡(luò)進(jìn)行了分析總結(jié)，給出了傳統(tǒng)聯(lián)想記憶網(wǎng)絡(luò)存在的主要問(wèn)題，以及針對(duì)這些問(wèn)題國(guó)內(nèi)外的研究進(jìn)展。 復(fù)雜網(wǎng)絡(luò)相關(guān)研究。介紹了復(fù)雜網(wǎng)絡(luò)的相關(guān)研究歷程和重要概念，總結(jié)了復(fù)雜網(wǎng)絡(luò)中幾個(gè)經(jīng)典網(wǎng)絡(luò)的相關(guān)研究，包括小世界網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)，最后分析了復(fù)雜網(wǎng)絡(luò)當(dāng)前研究進(jìn)展，包括最新模型和應(yīng)用領(lǐng)域。 基于復(fù)雜網(wǎng)絡(luò)的新型聯(lián)想記憶網(wǎng)絡(luò)。即出于降低

3、連接復(fù)雜度的目的，同時(shí)根據(jù)生物學(xué)中神經(jīng)系統(tǒng)中復(fù)雜網(wǎng)絡(luò)特性的發(fā)現(xiàn)，基于Watts-Strogatz小世界模型建立具有復(fù)雜網(wǎng)絡(luò)特性的新型聯(lián)想記憶網(wǎng)絡(luò)，期望該新型網(wǎng)絡(luò)能在整體連接數(shù)較少的情況下使得網(wǎng)絡(luò)仍然有良好的記憶回想能力，同時(shí)由于連接數(shù)的減少，希望可以減少偽狀態(tài)的數(shù)量。并通過(guò)交通標(biāo)志圖像等實(shí)驗(yàn)檢驗(yàn)了模型的效果，這種網(wǎng)絡(luò)在連接數(shù)非常少的情況下確實(shí)能夠完成聯(lián)想記憶功能，而且與其它具有稀疏拓?fù)溥B接結(jié)構(gòu)的網(wǎng)絡(luò)相比，例如隨機(jī)連接網(wǎng)絡(luò)和規(guī)則連接網(wǎng)絡(luò)，