基于模式分量最优稳定性准则的联想记忆学习算法

梁学斌; 吴立德

您当前的位置：

首页 >

文章列表页 >

基于模式分量最优稳定性准则的联想记忆学习算法

更新时间：2025-12-08

- 基于模式分量最优稳定性准则的联想记忆学习算法
- A Learning Algorithm of Associative Memory with Optimal Stability of Pattern Components
- 电子学报 1996年第5期
- 作者机构：
  
  复旦大学计算机科学系
- 作者简介：
- 基金信息：
  
  国家攀登计划资助,国家863一512主题资助
- DOI：
  中图分类号： TP18
- 纸质出版：1996
- 稿件说明：
移动端阅览
[1]梁学斌,吴立德.基于模式分量最优稳定性准则的联想记忆学习算法[J].电子学报,1996(05):30-33.

梁学斌, 吴立德. A Learning Algorithm of Associative Memory with Optimal Stability of Pattern Components[J]. Acta Electronica Sinica, 1996, (5).
[1]梁学斌,吴立德.基于模式分量最优稳定性准则的联想记忆学习算法[J].电子学报,1996(05):30-33. DOI：

梁学斌, 吴立德. A Learning Algorithm of Associative Memory with Optimal Stability of Pattern Components[J]. Acta Electronica Sinica, 1996, (5). DOI：

摘要

提出了设计联想记忆神经网络的模式分量最优稳定性准则，即使得每个模式分量对于模式畸变都具有最大的联想容错性，基于此，发展了一个约束感知器优化学习算法。它具有两个特点：（ｌ）可以全部存储任意给定的训练模式集；（２）每个模式分量都具有最大的联想容错性，实验结果表明，所提出的优化学习算法比现有算法具有更强的存储联想能力。

Abstract

The criterion which requires each pattern component to possess optimal stability is proposed. Based on the criterion

a constrained perceptron optimization algorithm is developed

which has the following two characteristics: （1） It can store any given training patterns set; （2）Each pattern component possesses optimal stability. Computer simulation results confirm the ad vantages of our optimization learning algorithm over existing ones.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多重加权改进型指数双向联想记忆网络及其决策性能

重点强化联想记忆人工神经网络模型研究

Hopfield型联想记忆神经网络一种新的分析方法

带阶梯输出函数的细胞神经网络

分形细胞神经网络用于联想记忆