重点强化联想记忆人工神经网络模型研究

余道衡; 于立民

您当前的位置：

首页 >

文章列表页 >

重点强化联想记忆人工神经网络模型研究

更新时间：2025-12-08

- 重点强化联想记忆人工神经网络模型研究
- A Study of Neural Networl Model with Importance Emphasizing for Associative Memory
- 电子学报 1992年第1期页码：89-91
- 作者机构：
  
  1. 北京大学无线电系
  2. 北京大学无线电系北京 100871
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：1992
- 稿件说明：
移动端阅览
[1]余道衡,于立民.重点强化联想记忆人工神经网络模型研究[J].电子学报,1992,{4}(01):89-91.

Yu Daoheng & Yu Limin. A Study of Neural Networl Model with Importance Emphasizing for Associative Memory[J]. Acta Electronica Sinica, 1992, (1): 89-91.
[1]余道衡,于立民.重点强化联想记忆人工神经网络模型研究[J].电子学报,1992,{4}(01):89-91. DOI：

Yu Daoheng & Yu Limin. A Study of Neural Networl Model with Importance Emphasizing for Associative Memory[J]. Acta Electronica Sinica, 1992, (1): 89-91. DOI：

摘要

本文研究了一种新的重点强化联想记忆人工神经网络模型

大量计算机模拟结果表明

该模型的特性优于Hopfield网络

当强化系数P较大时

也优于Y.C.Lee高阶关联网络

而其硬件实现较后者容易得多。

Abstract

In this paper

we study a new model of neural network with importance emphasizing for associative memory. It shows by a great number of computer modelling results that the network is much better than Hopfield’s. It can also be better than Y.C. Lee’s higher order correlation network if with a larger emphasizing parameter P.

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

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

基于模式分量最优稳定性准则的联想记忆学习算法

分形细胞神经网络用于联想记忆